敦煌是现存最大的佛教圣地，由于人类活动、环境变化、自然灾害等因素，敦煌文化遗产保护工作正面临十分严峻的挑战。近年来，随着敦煌莫高窟壁画数字化技术的迅猛发展，如何有效运用机器学习、模式识别以及图像处理方法对敦煌壁画图像进行数字化保护，已成为多学科交叉的前沿课题。敦煌飞天作为敦煌艺术的重要符号，吸引了国内外大量学者关于其绘画年代判别，艺术形象定位，艺术风格分类，多元数据叙述式表达等方面的研究，由于飞天飘带是敦煌壁画的重要艺术形象，加上壁画前景与背景较为相似，直接获取飘带绘画信息极为困难，因此本文主要从壁画全局结构、微观特征以及构图布局等层面进行研究，提出了敦煌飞天飘带的识别与演化模式分析方法。论文主要工作是研究敦煌飞天的显著绘画信息、稀疏特征信息和绘画构图信息，根据这些信息能够较好地识别出飞天飘带，并且可以分析飞天飘带绘画模式的继承与演变规律，主要创新点及其算法原理如下：　　1.提出了一种改进频率调谐的壁画显著性检测方法，并结合基于特征流的线条图绘制方法，提取壁画的线条显著性信息，作为壁画分割的先验信息。壁画在频域可分成低频和高频部分：低频部分反映了壁画的整体信息，如壁画的轮廓等；高频部分反映了壁画的细节信息，如壁画的纹理等，因此可以结合频域信息凸显壁画绘画显著特征。基于壁画颜色空间变换、灰度特征值与颜色特征的卷积融合、基于先验的视觉显著性和空间注意函数归一化，提出了改进频率调谐的显著性检测算法。在敦煌飞天壁画数据集和自然图像数据集中，给出所提出算法的显著性图与其他五种算法的对比结果，在突显敦煌飞天壁画绘画线条方面，该算法具有相对显著优势。利用壁画显著性检测结果，结合基于特征流方法的抽象线条画绘制方法，提出了壁画绘画的线条显著性检测方法，其检测结果可以作为先验信息用于指导飞天壁画具有文化涵义的分割任务。　　2.提出了一种拓扑结构保持的稀疏特征学习方法，并结合壁画的线条显著性信息，构建深度网络完成壁画多尺度分割，作为飞天飘带识别的构成信息。稀疏组受限玻尔兹曼机模型的基本原理是引入一个l1 l2混合范数，使得在学习过程中隐藏单元不再是条件独立的，隐藏单元之间学习方式的改变，迫使受限玻尔兹曼机模型学习到更具有辨别力的特征。基于此模型，引入了拓扑结构保持的正则化因子，实际上是将原目标函数转化为新的目标函数，并且利用组间稀疏的l1范数进行约束，使得受限玻尔兹曼机模型在学习到稀疏特征的同时，还保持了相邻组特征的拓扑结构，因而基于拓扑结构保持的稀疏组受限玻尔兹曼机模型学习到更具有结构性的特征。最后在受限玻尔兹曼机隐藏层添加一个分类层，并且融合绘画线条显著性检测结果作为分割的先验信息，得到不同尺度下的壁画分割结果，为进一步的飘带对象识别任务奠定坚实基础。　　3.提出了一种基于形态描述算子的飞天飘带识别方法，根据最优尺度的壁画分割结果，结合支持向量机的特征选择理论完成飞天飘带的识别。结合结构稀疏特征信息和线条显著性信息，较好地完成壁画的多尺度分割，根据图像分割评价方法选择最优尺度分割结果作为飘带识别过程的输入，并由此根据分割后区域的代数和几何结构信息，提出敦煌壁画飞天飘带的形态特征描述子，为了评价该形态特征描述子各个特征分量对于分类间隔的贡献，提出了核支持向量机选择理论，主要是利用高斯核函数的可分离性，完成不同形态特征描述子各个特征分量对于支持向量机分类间隔的定量计算。基于特征选择之后的形态特征描述子，利用不同分类器、不同形态特征描述子以及不同分割方法进行实验对比，可以发现，根据最优尺度的壁画分割结果，所提出形态特征描述子和大间隔分布学习机对敦煌壁画飞天飘带对象的识别效果最好，测试阶段的识别率达到93.5％。　　4.提出了一种基于融合熵方法的飞天飘带演化规律分析方法，结合基于飞天飘带空间布局上的结构变化差异，用于定量分析飞天飘带的演化模式。基于敦煌壁画飞天飘带的识别结果，根据飞天飘带绘画线条的形状特征、空间布局上的联系性，提出利用不同飘带之间的相对偏离度来反映不同时期飘带形态结构之间的继承与演变特点。另外，提出了一种结合飞天飘带的空间布局信息和空间延展信息的融合熵方法，来度量不同时期敦煌飞天绘画风格的相似性和差异性，进而分析了飞天飘带三种典型的绘画模式，即“中心环绕组合式”、“平行叠加组合式”以及“层次密集组合式”。