随着书画市场日益庞大,各种书画作伪手法也越来越高明,甚嚣尘上的赝品已成为书画市场的一大毒瘤,因此书画的真伪检测也显得愈发重要。目前对书画作品的通用鉴定方式主要是依靠鉴定专家的经验,科技手段介入的还相对较少。但这种方法的最大缺点正是作品的真伪决定于鉴定专家的主观感受,缺乏客观的、可量化的、具有公信力的鉴定指标[l]。而随着模式识别、图像处理等技术的发展,使借助于计算机对书画真伪进行鉴定成为可能,基于模式识别、计算机视觉技术辅助的书画真伪鉴别,可以克服传统鉴定模式主观性强,缺少客观、量化指标的缺点。为此,本论文进行基于模式识别技术的书画真伪检测的研究,旨在克服传统书画鉴定技术的局限性和所面临的困境。本文在深入研究已有的多种模式识别技术的基础上,详尽地分析了现有算法在运用到书画分析中的不足之处,并提出了若干改进算法。本论文的主要工作如下:首先,由于所要鉴别的图像之间会引入许多人为误差,例如,图像之间的平移,旋转,缩放变换,甚至存在视角变换,图像模糊(相机虚焦),噪声等诸多干扰因素,而传统的图像配准技术很难同时处理如此多的情况。本文提出了一个基于 SIFT(Scale-invariant feature transform,尺度不变特征转换算法)的图像配准流程。此配准流程可以处理以上提到的诸多变化情形,具有很高的稳定性与精确性。再者,由于待鉴别图像之间具有非常高的相似度,以至于传统的图像局部描述算子对图像无法进行有效的鉴别。因此,本文对诸多纹理描述算子以及基于梯度的描述子进行研究,针对所鉴别的书画种类运用不同的描述子对其进行特征提取,以达到正确区分的目的。最后就是对图像的特征进行分类。对于印鉴的鉴别而言,其实验样本容易拿到,因此本文提出基于机器学习的多分类器融合的策略。本文使用SVM(Support Vector Machine,支持向量机)、KNN(K-Nearest Neighbor,K 最邻近分类算法)、以及 NBC(Naive Bayes Classifier,朴素贝叶斯分类模型)分别对特征进行分类,并通过融合准则将其输出结果融合,最终达到了平均96.75%的准确率。对于字画而言,其实验样本比较稀少,因此本文通过一些特征度量、统计分析技术对特征数据进行判定,并通过大量实验证明了算法的有效性。