基于多标记学习的历史建筑智能上色方法研究

This project aims at studying the methods of classification of the date of multi-label，and uses in color transfer of Historic buildings, completing virtual color restoration of historic buildings..It studies the method by studying relevant information between labels and ensemble learning in order to improve performance of classier, and enhances multi-label classification algorithm which integrates relevant information between marks based on Bayesian network in order to improve multi-label classification accuracy. To further enhance the multi-label classification accuracy, the paper studies how to use effectively ensemble learning to achieve multi-label classification by differentiation a set of base classifiers for multi-label ensemble learning. It studies active learning and semi-supervised multi-labeled classification algorithm and conducted an effective multi-label classifier based on hierarchical model..This project will be through the establishment of representative repository concerning history building, and on the foundation of this, multi-label will be used in image color inpainting of building image, refer to the pattern of color transfer of the original image, achieving the goal of Taking full advantage of the multiple images of the color information and restoring and inpainting the color system of historic buildings. The project has not been applied, is innovative and has practical value.

本项目主要研究多标记数据的分类方法，并应用于历史建筑图像的颜色迁移中，完成历史建筑的色彩虚拟修复。.通过研究基于标记相关和集成学习的方法来提高分类器性能。基于贝叶斯网络提出融合标记之间相关信息的多标记分类算法，以提高多标记分类精度。为了进一步提高多标记分类准确率，针对多标记集成学习的问题，研究如何通过差异化一组基分类器有效利用集成学习更好地实现多标记分类。研究多标记的主动和半监督学习，通过建立分层模型能够在有限的标记样本下建立有效的多标记分类器。.本项目将通过建立一个有代表性的历史建筑图像资源库，并以此为基础，将多标记分类方法应用到建筑图像色彩修复中，通过多源参考图象的颜色迁移模型，达到充分利用多幅图像中色彩信息的目的，实现历史建筑的色彩体系还原和修复。项目面向应用的空白，有新意和实际价值。

本项目建立有代表性的高校近代历史建筑群图像资源库，研究多标记数据的分类和半监督学习方法，并应用于历史建筑图像的颜色迁移中，完成历史建筑的色彩分析和虚拟修复。.项目对清华大学近代建筑群、河南大学近代建筑群、武汉大学近代建筑群、湖南大学近代建筑群、南京大学近代建筑群、厦门大学近代建筑群、四川大学近代建筑群进行了详细的测绘和调研，研究了其色彩和文化特征，建立了相关的色彩资源库；针对建筑图像样本标注的半监督学习问题，提出了基于优化决策树和双重置信度的改进算法，分别在UCI数据集、VOC2007图像数据集和历史建筑色彩库上得到实现；研究了基于标记相关的多标记学习方法来提高多标记分类器性能。结合历史建筑色彩图像特点，研究了基于显著性检测的多源参考图像下的颜色迁移方法，通过多源参考图象的颜色迁移模型，达到充分利用多幅图像中色彩信息的目的，实现了历史建筑的色彩体系还原和修复。本项目面向应用的空白，有新意和实际价值。