计算机技术在书画鉴定领域应用探析

文/关晓惠 潘 纲

计算机技术在书画鉴定领域应用探析

文/关晓惠 潘 纲

中国书画的真伪鉴别一直是困扰书画界的难题。传统完全依赖专家的经验性鉴定方式主要缺点是主观性太强，对于争议的作品难以有令人信服的客观证据。近年来，随着模式识别与计算机视觉技术的快速发展，基于视觉的计算机辅助中国书画真伪鉴别正成为学术界的研究热点，它为专家的经验性鉴定寻找科学的、客观的量化指标进行了有益的探索。

真伪鉴别是运用各种方法判断出某件书画作品与被指称的作者是否一致。传统的真伪鉴别主要依赖专家的经验和学识，主要有两种依据:一是来自书画本身，包括题款、印鉴、纸绢、装潢以及内容所体现的信息;二是来自对作者自身信息的了解及熟悉程度。传统真伪鉴别方法最大的缺点是鉴定专家主观因素影响多，缺少客观的、可量化的鉴别指标，以至于对同一幅作品，不同的专家经常有不同的鉴定意见。

因为中国书画难以客观鉴定，很多书画的真伪存在着很大争论，容易产生纠纷，一些国际拍卖会甚至因此不拍卖中国书画，这大大影响了中国画国际化的发展步伐。传统的中国画鉴别手段和方式的局限性，使得探索寻求客观、科学的鉴别依据显得尤为迫切。

基于此，利用图像处理及模式识别技术，对中国画进行计算机辅助的真伪鉴别正逐渐引起研究人员的兴趣。计算机辅助的中国画真伪鉴别是以书画本身作为研究对象，主要从题款、印鉴、绘画内容三个方面着手，利用图像识别和计算机视觉技术进行分析，给专家提供一致的、客观的、定量的判别指标，这将有助于提高中国画鉴别的可信度与科学性。图像处理、模式识别、计算机视觉技术已在很大范围内如人脸识别、指纹识别、多媒体检索等领域取得成功的应用，这给计算机辅助的中国画真伪鉴别提供了重要的技术基础。

基于物理与化学分析的真伪鉴别

目鉴真伪时，鉴定专家的主观性经验比重极大，借助于科学的手段辅助进行中国画的真伪鉴别就显得更为迫切。近年来，基于物理和化学的鉴定方法已在西方油画鉴定中逐步得到应用。该类方法主要通过物理及化学手段获取作品的纸张、颜料等物质的某些物理及化学性质，辨别作品作者与作品年代，该类方法原则上也适用于中国书画。

利用物理测定方法辅助中国画真伪鉴别，主要是利用X射线衍射光谱和红外光谱分析方法让单色X射线或红外光辐射书画，部分射线被样品内的晶面反射形成一种与样品的物质内晶体构造密切相关的衍射图像。通过对衍射图像进行分析，就可以获得有关构成物质的原子的排列、化合物的形态、结晶物质的物相等信息资料，进而判断书画的真伪属性。化学分析方法辅助中国画真伪鉴别，主要是使用X光线的荧光性，用X光激发颜料中的原子，发射出其特征光谱，从而分析画中所包含的化学元素，以及不同的颜料在画中的分布情况，通过比较不同的化学成分判断画的真伪。

基于物理或化学的分析方法仅仅着眼于作品物质的物理化学性质，对于同时代的使用同类颜料的伪作无法区分。另外，由于一般的绘画作品都特别怕强光的照射，一些基于物理或化学的分析方法会对书画造成损伤。

基于视觉的计算机辅助真伪鉴别

计算机视觉是用计算机模拟人的视觉感知方式，使计算机具有对视觉感知、特征抽象的能力。基于视觉的计算机辅助书画真伪鉴别是以数字化的作品为研究对象，借助图像处理、计算机视觉及模式识别等技术，给出定性或定量的指标，作为判定该作品真伪的辅助依据。

计算机鉴别技术综述

中国书画是融诗文、书法、篆刻、绘画于一体的综合艺术。

一幅中国书画通常由印鉴、题款、绘画三部分组成，与主体内容本身一样，印鉴的样式、题款书法的风格都代表了作者自己独有的特点，是分辨真伪的重要依据。计算机辅助的中国书画真伪鉴别应从印鉴、题款、绘画内容这三个最重要的方面进行考察，通过分析这三个不同对象各自作为真作的可信度，最终获得一系列量化的真伪指标与证据。

以下分别对这三个方面的相关技术进行综述。

1.印鉴

印鉴是印章盖出来的印，印鉴的真伪鉴别是分析待鉴印鉴和标准印鉴之间的差异，以确定待鉴别印鉴的真伪。在实际场合中，由于加盖印鉴的条件不同，造成同一印章的不同印鉴之间的较大差异，这种差异的存在使真假印鉴的区分变得十分困难。印鉴在真伪鉴别之前一般需要将印鉴进行配准，然后进行匹配操作，当匹配结果达到某个阈值时确认为真，否则为假。我们可将匹配方法归为以下两大类:

1.1 基于特征的方法

在配准的基础上计算待鉴印鉴图像和标准印鉴图像总的像素差、边缘匹配度、图像面积误差、特征图形周长误差、局部特征误差等特征参数，根据对大量样本的统计得到这几个参数的经验阈值，综合考虑后得到最后的判断结果。因为这类方法都是直接在印鉴表面上计算差异作为判别的根据，而不是提取反映印鉴图像本质和关键的特征来进行判断，因此其准确率不高。

1.2 基于模板的方法

此类方法是对印鉴进行细化处理后，依据笔画的拓扑结构具有相对稳定性的特点，对细化后的笔画骨架进行模板匹配，从而得出判断结果。如一种利用笔画属性图ASG（从细化后的笔画骨架获得）进行匹配的决策方法。这种方法适应性较好，可在较少限制的条件下进行，但由于此方法是基于细化后的笔画骨架，因此无法对笔画的宽度进行比较。

2.题款

题款分为两个方面:签名和题词。签名在不同的书画中内容是一样的，只是每次书写的形式稍有差异。而题词在不同的书画中内容是不一样的，需要根据已有的题词提取出作者不同书写内容、时间、地点以及外界条件变化的个人特征。通过分析司法的鉴定笔迹案例，总结出真的笔迹和模仿的笔迹在字形、笔力、结构等方面的不同。

中国书画中的题款皆用毛笔书写，其与基于签名或手写体的身份识别方法具有极大相似性。其中签名的验证方法可以分为以下两大类:

2.1 静态特征方法

静态特征方法仅从静态签名图像上进行分析，并提取特征，主要有以下几种方法。

基于特征的方法：该类方法认为作者的个人特征信息，隐藏在笔画中，因此将签名分解为一个个连贯的笔画，一般所用到的特征包括入角、相对位置、相对大小、曲率等，由于有效提取笔段比较困难，因此常常将签名图像分割成一些小方格，在每个方格上提取特征。另外由于签名图像中的局部细节特征不易提取，即使提取出来也难以匹配，因此大部分研究工作是基于签名图像的几何统计特性和纹理统计特性的。

基于模式匹配的方法：在对签名图像进行二值化和归一化之后，求两幅二值图像之间的距离。在待确定签名和真实签名之间定义一个置换函数，来表示二者的差异，通过寻找置换函数的最小值，找到两个签名之间的最佳匹配状态，并将此时二者的差异作为衡量待确定签名和真实签名之间的相似度。

基于概率模型的方法：根据已有的真伪签名，训练出一种模型，然后对输入的签名，计算该签名属真的概率，据此进行签名真伪的鉴定，典型的方法如使用隐马尔可夫模型（HMM）建模。

图像相似度计算识别

图像色彩还原识别

2.2 伪动态特征方法

由于静态签名图像没有动态的信息，而签名的动态过程中所蕴含的信息往往是不易模仿和伪造的，比如笔画的走势、连贯性等。因此，在一定程度上恢复签名中的动态信息，将会很大地提高签名验证的准确率。根据静态签名图像挖掘签名过程中所包含的动态信息，将一个2D的空间模型转换为随时间变化的1D模型，这个过程所获得的信息并非真的动态信息，所以称为伪动态特征。签名过程中不同的压力会产生不同风格的签名，他们将静态签名图像中灰度较深的地方作为高压点，借此来刻画动态签名过程中用笔的用力程度。此后，很多研究人员尝试在静态签名图像中挖掘动态签名过程中的其它属性，比如笔画顺序，笔画的走势（方向）等，通过启发式方法来追踪签名笔画的动态顺序关系。

上述的方法都是基于相同签名内容的鉴定方法，即文本依存的方法。

书画中题词部分一般是与内容无关的，属于文本独立。目前这类方法主要分为以下两种方法:

1.局部特征方法

局部特征方法主要是从作者的一幅笔迹中提取字符行的对齐程度、字符的偏斜度、文字的布局、字符之间的连接情况、笔画的连续性、字符的终端笔画的属性等局部特征。通过提取笔迹中的基本笔画，用笔画的笔压变化特征来表征个人的书写特点，从而实现文字的鉴定。

2.全局特征方法

全局特征方法是从整体的角度分析作者的笔迹，将大量的字符组成一幅纹理图像，在图像上提取作者的特征，从而将笔迹的鉴别问题转化为纹理鉴定问题。另一种比较常用的纹理分析方法是用经过预处理的笔迹纹理图像进行Gabor小波变换，然后在上面提取各种特征作为作者的笔迹特征进行身份鉴别。

3.绘画内容

绘画内容作为书画的主体部分，它是作者个人独特风格最主要的承载体，也是鉴别最重要的依据。通过基于视觉的绘画内容分析方法来识别绘画的风格和作者已引起研究人员的强烈兴趣。

我们给出了一种基于MRF的国画绘画内容的真伪鉴别算法，该方法为书画中的对象建立一个三层的鉴别模型，然后使用置信传播算法推导各个对象的真伪状态或概率，为书画真伪鉴别的定量分析提供了一定的依据。

通过计算机技术对书画真伪鉴别是一个十分复杂的研究课题，是绘画艺术、人工智能、图像处理、模式识别、计算机视觉、心理学、神经科学等多个学科交叉的一个全新的研究领域。当前该技术仍处于研究探索阶段。当然，由于真伪鉴别的复杂性，基于视觉的真伪鉴别只能是其它鉴定方式之外的一种有效的辅助手段，它不能完全代替后者。

[清] 缠枝花卉纹瓷瓶