Resumen

Este documento presenta un estudio en profundidad y análisis de la clasificación de imágenes de pintura china mediante un algoritmo de representación dispersa conjunta multitarea para la extracción de características de textura de imágenes de pintura china y propone un método para extraer características de textura directamente de las imágenes originales. Simplifica el proceso de conversión de escala de grises de la imagen y preserva la información contenida en las imágenes originales de pintura china en la mayor medida posible. El algoritmo utiliza las ideas de análisis de dominio multicolor y análisis multiescala, combinadas con la matriz coeval en escala de grises tradicional para extraer características de textura. Los experimentos muestran que el algoritmo de matriz de coocurrencia en escala de grises multiescala supera al algoritmo de matriz de coocurrencia en escala de grises tradicional y al algoritmo de matriz de coocurrencia en escala de grises de color. La capacidad discriminativa de múltiples características para el reconocimiento del objetivo se integra mediante el aprendizaje multitarea, mejorando así la robustez

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Clasificación de imágenes de pintura china; Algoritmo de representación dispersa conjunta multitarea; Extracción de características de textura; Conversión a escala de grises; Análisis multiescala; Aprendizaje multitarea
• Keywords:Chinese painting image classification; Multitask joint sparse representation algorithm; Texture feature extraction; Grayscale conversion; Multiscale analysis; Multitask learning