طبقه‌بندی سبک نقاشی هنرمندان با استفاده از هیستوگرام گرادیان جهت‌دار و الگوی باینری محلی

نویسندگان

دانشگاه رازی کرمانشاه - دانشکده مهندسی - گروه مهندسی کامپیوتر و فناوری اطلاعات

چکیده

شناسایی سبک هر نقاش یکی از مسائل مهم در سبک‌شناسی است ولی اکثر هنرمندان سبک و روش خود را توضیح نمی‌دهند و افراد اغلب با دنبال کردن نقاشی‌های یک هنرمند و با توجه به جزییات نقاشی‌ها به‌صورت تجربی سبک یک هنرمند را تشخیص می‌دهند. در این مقاله، با استفاده از تکنیک‌های پردازش تصویر برای اولین بار رویکردی بر طبقه‌بندی سبک نقاشان ایرانی پیشنهاد شده است. در این رویکرد جهت استخراج بردارهای ویژگی از هیستوگرام گرادیان جهت‌دار، الگوی باینری محلی و همچنین ترکیب این دو ویژگی استفاده شده است، با به‌کار بردن دسته‌بند ماشین بردار پشتیبان بردارهای ویژگی طبقه‌بندی‌شده‌اند. به‌منظور ارزیابی روش ارائه‌شده از پایگاه‌داده‌ای شامل نقاشی‌های پنج نقاش معروف ایرانی با نام‌های حسین بهزاد، کمال‌الملک، مرتضی کاتوزیان، سهراب سپهری و محمود فرشچیان استفاده شده است. نتایج آزمایش‌ها نشان می‌دهد که روش پیشنهادی ما به‌خوبی می‌تواند سبک‌های نقاشی را طبقه‌بندی کند. سبک‌های متفاوت با استفاده از طبقه‌بند ماشین بردار پشتیبان با درصد صحت متوسط 95.48% از یکدیگر تفکیک شدند.

کلیدواژه‌ها


عنوان مقاله [English]

Stylometry of Painting Using Histogram of Oriented Gradients (HOG) and Local Binary Patterns (LBP)

نویسندگان [English]

  • S. Keshvari
  • A. Chalechale
Computer and Information Technology Engineering Department, Faculty of Engineering, Razi University, Kermanshah, Iran
چکیده [English]

Stylometry is one of the key issues in art work recognation, however most artists do not identify their styles. Generally, people often empirically recognize an artist's style through following the artist's paintings and paying attention to the paintings' details. This paper, for the first time, proposes an approach to classify Iranian painters' style utilising image processing techniques. For feature extraction, histogram of gradient (HOG) and local binary patterns (LBP) are exploited applying support vector machine (SVM) for classification. To assess the proposed method, one dataset of paintings that contains five famous Iranian painters, namely Hossein Behzad, Kamal-ol-Molk, Morteza Katouzian, Sohrab Sepehri and Mahmoud Farshchian, including 326 paintings, is collected. The experimental results indicate that our proposed method can well classify the painting styles, where, different styles are classified with average accuracy rate of 95.48%.

کلیدواژه‌ها [English]

  • Stylometry of painting
  • local binary patterns
  • Support Vector Machine
  • histogram of oriented gradients