CN104636733A - 一种基于图像特征的书画作品鉴定方法 - Google Patents

Abstract

一种基于图像特征的书画作品鉴定方法，其特征在于包括以下步骤：首先建立数据库，通过笔墨轨迹的形式化表现方式，以及分析局部的笔画特征与纸张纹路构图之间的联系，锁定各书画作品所特有的细微特征，随后就可以采集待鉴定书画作品的图像数据，然后经过光照一致性处理后系统进行提取角点操作，接着进行特征匹配运算以及异常点的排查和鉴定，最后得出真伪鉴定结果，本发明有效克服了传统书画鉴别的局限性，极大地提高了书画作品鉴定的准确性，并且减少了传统鉴定过程中人工标注的工作量，鉴定效率也得到了成倍的提高，同时还能够为数字图书馆、数字博物馆的数字书画作品网络浏览和检索提供技术支持，具有广泛的应用前景。

Description

一种基于图像特征的书画作品鉴定方法

技术领域

本发明涉及一种书画作品鉴定方法，尤其涉及一种基于图像特征的书画作品鉴定方法，属于书画作品鉴定技术领域。

背景技术

改革开放以来，随着书画市场日益庞大，中国的书画作伪手法也越来越高明，甚嚣尘上的赝品，成为书画市场的一大毒瘤。从已知的文献资料看，书画作伪至少在南北朝已经出现了。一家媒体披露：北京中国美术馆展出的《当代书法京华十一家遗作展》上，有一位名家的10幅作品中，竟有9幅并非真迹。书画市场上赝品的泛滥与造假者的猖獗，从中可略见一斑。假字画充斥市场，严重损害了收藏者和投资者的信心。

目前对于书画作品的鉴定，科技手段介入得还比较少，主要是依据书画鉴定家的观赏水平和经验，但是不同的鉴赏家对同一幅书画作品经常会有不同的鉴定意见。典型的例子如1996年3月16日在杭州市公开审理的中国拍卖史上的第一起因画作真伪之争而引起的买家状告拍卖公司拍卖假画的诉讼案，通过这起轰动一时的“大千画作”纠纷中，双方律师争论的焦点之一便是三位鉴定家的不同意见。在科学技术高度发展的今天，书画鉴定仍承袭古人之方法，现在已面临严峻挑战。一幅作品靠人的眼力和经验难以辨别真假时，特别是不同的专家意见相左时，对书画作品进行鉴定的操作难度就更大。

现有技术中有一种荧光防伪技术，又称紫外线光防伪，使用特殊荧光油墨结合到标签上，肉眼和手感触摸无法找到流水码、文字或图案所在处，必须使用荧光灯也就是紫外线灯照射才能看到。该技术使用有双重隐形防伪性能油墨，将固定文字、图案、号码或者流动性号码印制在防伪标签的内，该技术具有极高的隐藏性，肉眼和手感触摸都无法找到隐藏的技术所在处。在鉴别其真伪时，必须采用专用检测仪器，并且该技术为隐形技术，不易被发现，不易被模仿。但是该技术需要在书画作品上印刷油墨，虽然肉眼不可见，但依然是对原作的一种破坏，对于价值比较高的书画作品易受到拥有者的抵触；该技术往往采用二维码的方式写入密码防伪，但该二维码亦可被直接复制，使得防伪不再有效。

传统的手工识别方法是使用放大镜或高倍显微镜，靠人工经验来识别书画作品的真伪，该方法长期以来严重依赖于人工经验，鉴定效率很低。另一方面也容易产生误判，尤其对于版画等，人工基本没有办法辨别真伪，这样往往会使得对书画作品的鉴定陷入困境。

发明内容

本发明的目的是针对现有对书画作品的鉴定效率很低，严重依赖于人的眼力和经验，鉴定准确性不高，利用现有的防伪技术对书画作品进行鉴定，往往会对书画作品本身造成损伤，容易被模仿，使得防伪失效，进而无法进行准确公正鉴定的缺陷和不足，现提供一种智能化程度高，减少了传统鉴定过程中人工标注的工作量，鉴定效率和准确性得到了成倍提高，不依赖于人的眼力和经验，并且鉴定过程中不会对书画作品本身造成任何损伤的一种基于图像特征的书画作品鉴定方法。

为实现本发明的目的，本发明的技术解决方案是：一种基于图像特征的书画作品鉴定方法，其特征在于包括以下步骤：

a、建立数据库：使用高精度的数字扫描仪或高清数码相机将真品书画作品数字化，形成整体图片或照片以及选定点的局部高清图片或照片，建立300万像素以上的数字书画作品数据库备用，数据库中包含有每件真品书画作品所对应的标准参考图像上的特征点集；

b、采集待鉴定书画作品的图像数据：将待鉴定的书画作品以a步骤中同样的数字化方式形成图片或照片，并输入到鉴定系统；

c、光照一致性处理：将待鉴定的书画作品的局部图片或照片进行光照一致性处理，使得数据库中书画作品图片或照片的光照与待鉴定书画作品的局部图片或照片光照一致；

d、提取角点：采用基于图像边缘的角点提取算法对待鉴定的书画作品的局部图片或照片提取角点，并在提取的角点的基础上，构建相应的旋转矩阵，匹配相应的角点，建立待配准图像上的特征点集；

e、特征匹配运算：根据已知的数据库中标准参考图像上的特征点集，结合在待鉴定的书画作品获取上获取的待配准图像上的特征点集，确立两个点集之间的对应关系，利用对应关系来求解变换模型参数，进而实现配准；

f、异常点鉴定：将获得的配准后的仿射变换矩阵与数据库中的图像进行匹配，计算出所鉴定部位的特征与数据库中标准艺术品对应特征之间的差值，给出匹配率，进而得出用于评判书画作品真伪的鉴定结果。

所述步骤d中角点提取算法如下：

$M=G\left(\tilde{s}\right)\⊗\left[\begin{array}{cc}{g}_x^2& g_x{g}_y\\ g_x{g}_y& g_y^2\end{array}\right]$

R＝det(M)-k*tr²(M)k＝0.04～0.06

式中：g_x为x方向上的梯度，g_y为y方向上的梯度，为高斯模板，det为矩阵的行列式，tr为矩阵的迹，k为常数，R表示图中相应像素点的兴趣值。

所述步骤e中特征匹配算法如下：已知标准参考图像上的特征点集为P＝{p₁,p₂,…,p_m}，待配准图像上的特征点集为Q＝{q₁,q₂,…,q_n}，利用两个点集的对应关系来求解变换模型参数，具体配准过程如下：

(1)对参考图像上的特征点集P中的一个特征点p_i建立以其为中心，大小为n×n的目标窗口P_nn；

(2)相对于参考图像上的特征点p_i，在待配准图像上取大小为m×m的窗口Q_mm(m＞＞n)，并确保特征点p_i的同名特征点在搜索窗口Q_mm内；

(3)目标窗口P_nn在搜索窗口Q_mm上滑动，同时计算其相似性度量，确定特征点p_i的同名特征点q_i；

需要注意的是，在匹配过程中，并非P和Q中的所有点都有匹配点对，点集P中的某些对应点会在Q中丢失。因此，所寻找的是P和Q之间的最大匹配点子集(p_i,q_i),i＝1,2,…,k，其中k≤min(m,n)，在基于点特征的图像配准算法中，特征点通常选取的是图像中易于确定的特殊点。

所述步骤e中利用两个点集合的对应关系来求解变换模型参数，具体配准过程如下：

(1)对参考图像上的特征点集P中的一个特征点p_i建立以其为中心，大小为n×n的目标窗口P_nn；

(2)相对于参考图像上的特征点p_i，在待配准图像上取大小为m×m的窗口Q_mm(m＞＞n)，并确保特征点p_i的同名特征点在搜索窗口Q_mm内；

(3)目标窗口P_nn在搜索窗口Q_mm上滑动，同时计算其相似性度量，确定特征点p_i的同名特征点q_i；

需要注意的是，在匹配过程中，并非P和Q中的所有点都有匹配点对，点集P中的某些对应点会在Q中丢失，因此，所寻找的是P和Q之间的最大匹配点子集(p_i,q_i),i＝1,2,…,k，其中k≤min(m,n)，在基于点特征的图像配准算法中，特征点通常选取的是图像中易于确定的特殊点。

所述步骤f中异常点鉴定的步骤如下：

(1)提取颜色异常区域，提取其异常区域特征、包含、面积、重心等特征；

(2)提取边缘异常区域，采用傅里叶描述子提取其特征；

(3)使用Gabor滤波器提取异常区域纹理特征，采用8个方向，3个尺度的特征提取方式；

(4)计算各个特征与标准艺术品的差值，给出其匹配率。

本发明的有益效果是：

1、本发明从特征笔画提取技术入手，通过笔墨轨迹的形式化表现方式，以及分析局部的笔画特征与纸张纹路构图之间的联系，锁定各书画作品所特有的细微特征，避免了传统鉴定方法中对人眼力和经验的严重依赖。

2、本发明采用图像处理和计算机视觉技术，对笔画特征和纸张纹路布局构图特征的智能化提取，并建立数据库，通过模版匹配、基于统计分析的模式识别技术实现对书画作品真伪的快速鉴别。

3、本发明有效克服了传统书画鉴别的局限性，极大地提高了书画作品鉴定的准确性，并且减少了传统鉴定过程中人工标注的工作量，鉴定效率也得到了成倍的提高，同时还能够为数字图书馆、数字博物馆的数字书画作品网络浏览和检索提供技术支持，具有广泛的应用前景。

具体实施方式

以下结合具体实施方式对本发明作进一步的详细描述。

本发明涉及的一种基于图像特征的书画作品鉴定方法，其特征在于包括以下步骤：

a、建立数据库：使用高精度的数字扫描仪或高清数码相机将真品书画作品数字化，形成整体图片或照片以及选定点的局部高清图片或照片，建立300万像素以上的数字书画作品数据库备用，数据库中包含有每件真品书画作品所对应的标准参考图像上的特征点集；

b、采集待鉴定书画作品的图像数据：将待鉴定的书画作品以a步骤中同样的数字化方式形成图片或照片，并输入到鉴定系统；

c、光照一致性处理：将待鉴定的书画作品的局部图片或照片进行光照一致性处理，使得数据库中书画作品图片或照片的光照与待鉴定书画作品的局部图片或照片光照一致；

d、提取角点：采用基于图像边缘的角点提取算法对待鉴定的书画作品的局部图片或照片提取角点，并在提取的角点的基础上，构建相应的旋转矩阵，匹配相应的角点，建立待配准图像上的特征点集；

e、特征匹配运算：根据已知的数据库中标准参考图像上的特征点集，结合在待鉴定的书画作品获取上获取的待配准图像上的特征点集，确立两个点集之间的对应关系，利用对应关系来求解变换模型参数，进而实现配准；

f、异常点鉴定：将获得的配准后的仿射变换矩阵与数据库中的图像进行匹配，计算出所鉴定部位的特征与数据库中标准艺术品对应特征之间的差值，给出匹配率，进而得出用于评判书画作品真伪的鉴定结果。

所述步骤d中角点提取算法如下：

$M=G\left(\tilde{s}\right)\⊗\left[\begin{array}{cc}{g}_x^2& g_x{g}_y\\ g_x{g}_y& g_y^2\end{array}\right]$

R＝det(M)-k*tr²(M)k＝0.04～0.06

式中：g_x为x方向上的梯度，g_y为y方向上的梯度，为高斯模板，det为矩阵的行列式，tr为矩阵的迹，k为常数，R表示图中相应像素点的兴趣值。

所述步骤e中特征匹配算法如下：已知标准参考图像上的特征点集为P＝{p₁,p₂,…,p_m}，待配准图像上的特征点集为Q＝{q₁,q₂,…,q_n}，利用两个点集的对应关系来求解变换模型参数，具体配准过程如下：

(1)对参考图像上的特征点集P中的一个特征点p_i建立以其为中心，大小为n×n的目标窗口P_nn；

(2)相对于参考图像上的特征点p_i，在待配准图像上取大小为m×m的窗口Q_mm(m＞＞n)，并确保特征点p_i的同名特征点在搜索窗口Q_mm内；

(3)目标窗口P_nn在搜索窗口Q_mm上滑动，同时计算其相似性度量，确定特征点p_i的同名特征点q_i；

需要注意的是，在匹配过程中，并非P和Q中的所有点都有匹配点对，点集P中的某些对应点会在Q中丢失。因此，所寻找的是P和Q之间的最大匹配点子集(p_i,q_i),i＝1,2,…,k，其中k≤min(m,n)，在基于点特征的图像配准算法中，特征点通常选取的是图像中易于确定的特殊点。

所述步骤e中利用两个点集合的对应关系来求解变换模型参数，具体配准过程如下：

(1)对参考图像上的特征点集P中的一个特征点p_i建立以其为中心，大小为n×n的目标窗口P_nn；

(2)相对于参考图像上的特征点p_i，在待配准图像上取大小为m×m的窗口Q_mm(m＞＞n)，并确保特征点p_i的同名特征点在搜索窗口Q_mm内；

(3)目标窗口P_nn在搜索窗口Q_mm上滑动，同时计算其相似性度量，确定特征点p_i的同名特征点q_i；

需要注意的是，在匹配过程中，并非P和Q中的所有点都有匹配点对，点集P中的某些对应点会在Q中丢失，因此，所寻找的是P和Q之间的最大匹配点子集(p_i,q_i),i＝1,2,…,k，其中k≤min(m,n)，在基于点特征的图像配准算法中，特征点通常选取的是图像中易于确定的特殊点。

所述步骤f中异常点鉴定的步骤如下：

(1)提取颜色异常区域，提取其异常区域特征、包含、面积、重心等特征；

(2)提取边缘异常区域，采用傅里叶描述子提取其特征；

(3)使用Gabor滤波器提取异常区域纹理特征，采用8个方向，3个尺度的特征提取方式；

(4)计算各个特征与标准艺术品的差值，给出其匹配率。

传统的书画作品在局部具有鲜明的笔画特征，在微观上具有独特的纸张纹路构图，正如人的指纹一样，书画作品的真品和赝品在局部微观上具有截然不同的区别特征。本发明从特征笔画提取技术入手，通过笔墨轨迹的形式化表现方式，以及分析局部的笔画特征与纸张纹路构图之间的联系，锁定各个书画作品所特有的特征。采用图像处理和计算机视觉技术，对笔画特征和纸张纹路布局构图特征的智能化提取，并建立数据库，通过模版匹配、基于统计分析的模式识别技术实现对书画作品真伪的快速鉴别。

首先，使用高精度的数字扫描仪或高清数码相机将真品书画作品数字化，形成整体图片或照片以及选定点的局部高清图片或照片，建立300万像素以上的数字书画作品数据库备用，一般采用500万像素。数据库中包含有每件真品书画作品所对应的标准参考图像上的特征点集，也就实现了对各单件真品书画作品的特征点的采集和存储。当在之后的书画作品鉴定、交易过程中，需要对书画作品进行鉴定时，就将待鉴定的书画作品也以同样的方式通过高精度的数字扫描仪或高清数码相机将真品书画作品数字化，形成整体图片或照片以及选定点的局部高清图片或照片，并达到所需要的像素要求，输入到本发明所涉及的鉴定系统进行处理和分析。

随后将待鉴定的书画作品的局部图片或照片进行光照一致性处理，使得数据库中书画作品图片或照片的光照与待鉴定书画作品的局部图片或照片光照一致。采用基于图像边缘的角点提取算法对待鉴定的书画作品的局部图片或照片提取角点，并在提取的角点的基础上，构建相应的旋转矩阵，匹配相应的角点，建立待配准图像上的特征点集。角点提取算法如下：

$M=G\left(\tilde{s}\right)\⊗\left[\begin{array}{cc}{g}_x^2& g_x{g}_y\\ g_x{g}_y& g_y^2\end{array}\right]$

R＝det(M)-k*tr2(M)k＝0.04～0.06

式中：g_x为x方向上的梯度，g_y为y方向上的梯度，为高斯模板，det为矩阵的行列式，tr为矩阵的迹，k为常数，R表示图中相应像素点的兴趣值。

根据已知的数据库中标准参考图像上的特征点集，结合在待鉴定的书画作品获取上获取的待配准图像上的特征点集，确立两个点集之间的对应关系，利用对应关系来求解变换模型参数，进而实现配准。已知标准参考图像上的特征点集为P＝{p₁,p₂,…,p_m}，待配准图像上的特征点集为Q＝{q₁,q₂,…,q_n}，利用两个点集的对应关系来求解变换模型参数，具体配准过程如下：

(1)对参考图像上的特征点集P中的一个特征点p_i建立以其为中心，大小为n×n的目标窗口P_nn；

(2)相对于参考图像上的特征点p_i，在待配准图像上取大小为m×m的窗口Q_mm(m＞＞n)，并确保特征点p_i的同名特征点在搜索窗口Q_mm内；

(3)目标窗口P_nn在搜索窗口Q_mm上滑动，同时计算其相似性度量，确定特征点p_i的同名特征点q_i。

需要注意的是，在匹配过程中，并非P和Q中的所有点都有匹配点对，点集P中的某些对应点会在Q中丢失。因此，所寻找的是P和Q之间的最大匹配点子集(p_i,q_i),i＝1,2,…,k，其中k≤min(m,n)。在基于点特征的图像配准算法中，特征点通常选取的是图像中易于确定的特殊点，比如角点、直线交叉点、T型交汇点、高曲率点，以及特定区域的中心、重心等。

如果第一幅图像中的一条直线经过变换后，映射到第二幅图像上仍然为直线，且平行直线仍旧被映射为平行直线，这样的变换称为仿射变换。该变换保持直线间的平行关系，但由于引入了缩放参数，故它不能保持直线段的长度和角度，若点(x₁，y_1，)，

(x₂，y₂)分别为参考图像和待配准图像中对应的两点，则它们之间满足以下关系：

$\left[\begin{array}{c}{x}_2\\ y_2\end{array}\right]=\left[\begin{array}{cc}{a}_{00}& a_{01}\\ a_{10}& a_{11}\end{array}\right]\·\left[\begin{array}{c}{x}_1\\ y_1\end{array}\right]+\left[\begin{array}{c}{t}_x\\ t_y\end{array}\right]$

已知P＝{p₁,p₂,…,p_m}是标准参考图像上的特征点集，Q＝{q₁,q₂,…,q_n}是待配准图像上的特征点集，配准要实现的目的就是确立两个点集之间的对应关系。利用对应关系来求解变换模型参数，具体配准过程如下：

(1)对参考图像上的特征点集P中的一个特征点p_i建立以其为中心，大小为n×n的目标窗口P_nn；

(2)相对于参考图像上的特征点p_i，在待配准图像上取大小为m×m的窗口Q_mm(m＞＞n)，并确保特征点p_i的同名特征点在搜索窗口Q_mm内；

(3)目标窗口P_nn在搜索窗口Q_mm上滑动，同时计算其相似性度量，确定特征点p_i的同名特征点q_i。

需要注意的是，在匹配过程中，并非P和Q中的所有点都有匹配点对，点集P中的某些对应点会在Q中丢失。因此，所寻找的是P和Q之间的最大匹配点子集(p_i,q_i),i＝1,2,…,k，其中k≤min(m,n)。

在基于点特征的图像配准算法中，特征点通常选取的是图像中易于确定的特殊点，本发明采用角点、直线交叉点、高曲率点，以及特定区域的重心做为特征点，以实现对图像的配准及鉴定。

将获得的配准后的仿射变换矩阵与数据库中的图像进行匹配，计算出所鉴定部位的特征与数据库中标准艺术品对应特征之间的差值，给出匹配率，进而得出对真伪的鉴定结果。对异常点鉴定的步骤如下：首先提取颜色异常区域，提取其异常区域特征、包含、面积、重心等特征；随后提取边缘异常区域，采用傅里叶描述子提取其特征；然后使用Gabor滤波器提取异常区域纹理特征，采用8个方向，3个尺度的特征提取方式；最后计算各个特征与标准艺术品的差值，给出其匹配率，进而得出用于评判书画作品真伪的鉴定结果。

本发明以图像处理、模式识别和计算机图形学等为核心技术支撑，并巧妙的运用到复杂的中国书画作品鉴定中，采用模版匹配、基于统计分析的模式识别技术来鉴别书画作品的真伪，给传统的书画作品鉴定提供一种可视化定量评价工具与手段。有效克服了传统书画鉴别中单靠人的眼力和经验来辨别真假的局限性，极大地提高了书画作品鉴定的准确性，并且减少了传统鉴定过程中人工标注的工作量，鉴定效率也得到了成倍的提高。本发明为数字图书馆、数字博物馆的数字书画作品网络浏览和检索提供技术支持，具有广泛的应用前景。

Claims (5)

1.一种基于图像特征的书画作品鉴定方法，其特征在于包括以下步骤：

a、建立数据库：使用高精度的数字扫描仪或高清数码相机将真品书画作品数字化，形成整体图片或照片以及选定点的局部高清图片或照片，建立300万像素以上的数字书画作品数据库备用，数据库中包含有每件真品书画作品所对应的标准参考图像上的特征点集；

b、采集待鉴定书画作品的图像数据：将待鉴定的书画作品以a步骤中同样的数字化方式形成图片或照片，并输入到鉴定系统；

c、光照一致性处理：将待鉴定的书画作品的局部图片或照片进行光照一致性处理，使得数据库中书画作品图片或照片的光照与待鉴定书画作品的局部图片或照片光照一致；

d、提取角点：采用基于图像边缘的角点提取算法对待鉴定的书画作品的局部图片或照片提取角点，并在提取的角点的基础上，构建相应的旋转矩阵，匹配相应的角点，建立待配准图像上的特征点集；

e、特征匹配运算：根据已知的数据库中标准参考图像上的特征点集，结合在待鉴定的书画作品获取上获取的待配准图像上的特征点集，确立两个点集之间的对应关系，利用对应关系来求解变换模型参数，进而实现配准；

f、异常点鉴定：将获得的配准后的仿射变换矩阵与数据库中的图像进行匹配，计算出所鉴定部位的特征与数据库中标准艺术品对应特征之间的差值，给出匹配率，进而得出用于评判书画作品真伪的鉴定结果。

2.根据权利要求1所述的一种基于图像特征的书画作品鉴定方法，其特征在于：所述步骤c中角点提取算法如下：

$M=G\left(\tilde{s}\right)\⊗\left[\begin{array}{cc}{g}_x^2& g_x{g}_y\\ g_x{g}_y& g_y^2\end{array}\right]$

R＝det(M)-k*tr²(M) k＝0.04～0.06

式中：g_x为x方向上的梯度，g_y为y方向上的梯度，为高斯模板，det为矩阵的行列式，tr为矩阵的迹，k为常数，R表示图中相应像素点的兴趣值。

3.根据权利要求1所述的一种基于图像特征的书画作品鉴定方法，其特征在于：所述步骤e中特征匹配算法如下：已知标准参考图像上的特征点集为P＝{p₁,p₂,…,p_m}，待配准图像上的特征点集为Q＝{q₁,q₂,…,q_n}，利用两个点集的对应关系来求解变换模型参数，具体配准过程如下：

(1)对参考图像上的特征点集P中的一个特征点p_i建立以其为中心，大小为n×n的目标窗口P_nn；

(2)相对于参考图像上的特征点p_i，在待配准图像上取大小为m×m的窗口Q_mm(m＞＞n)，并确保特征点p_i的同名特征点在搜索窗口Q_mm内；

(3)目标窗口P_nn在搜索窗口Q_mm上滑动，同时计算其相似性度量，确定特征点p_i的同名特征点qi；

需要注意的是，在匹配过程中，并非P和Q中的所有点都有匹配点对，点集P中的某些对应点会在Q中丢失，因此，所寻找的是P和Q之间的最大匹配点子集(p_i,q_i),i＝1,2,…,k，其中k≤min(m,n)，在基于点特征的图像配准算法中，特征点通常选取的是图像中易于确定的特殊点。

4.根据权利要求1所述的一种基于图像特征的书画作品鉴定方法，其特征在于：所述步骤e中利用两个点集合的对应关系来求解变换模型参数，具体配准过程如下：

(1)对参考图像上的特征点集P中的一个特征点p_i建立以其为中心，大小为n×n的目标窗口P_nn；

(2)相对于参考图像上的特征点p_i，在待配准图像上取大小为m×m的窗口Q_mm(m＞＞n)，并确保特征点p_i的同名特征点在搜索窗口Q_mm内；

(3)目标窗口P_nn在搜索窗口Q_mm上滑动，同时计算其相似性度量，确定特征点p_i的同名特征点q_i；

需要注意的是，在匹配过程中，并非P和Q中的所有点都有匹配点对，点集P中的某些对应点会在Q中丢失，因此，所寻找的是P和Q之间的最大匹配点子集(p_i,q_i),i＝1,2,…,k，其中k≤min(m,n)，在基于点特征的图像配准算法中，特征点通常选取的是图像中易于确定的特殊点。

5.根据权利要求1所述的一种基于图像特征的书画作品鉴定方法，其特征在于：所述步骤f中异常点鉴定的步骤如下：

(1)提取颜色异常区域，提取其异常区域特征、包含、面积、重心等特征；

(2)提取边缘异常区域，采用傅里叶描述子提取其特征；

(3)使用Gabor滤波器提取异常区域纹理特征，采用8个方向，3个尺度的特征提取方式；

(4)计算各个特征与标准艺术品的差值，给出其匹配率。