中国书画历史悠久,是中华文明的珍贵财富。数字图像具有便于保存和传播的特点,这些优势加快了中国书画作品数字化的进程。中国画笔法和表现形式丰富,善于用抽象的方式表达神韵。这类绘画艺术作品与常规的自然场景图像在视觉上相差较大。常规图像处理算法在中国书画领域的应用遇到了巨大的困难。中国书画作品主要由绘画主体、印章、题跋三部分组成,印章与题跋包含着丰富的语义信息。实现中国书画印章与题跋的精确定位,对于辅助中国书画数据库的检索具有重要意义,是中国书画数字图像领域一项重要的基础研究。为了实现中国书画作品中不同类型印章与题跋的精确定位,提出了基于卷积神经网络(Convolutional Neural Network,CNN)的中国书画印章和题跋定位的算法。算法的核心思想是利用场景先验知识(中国书画图像中印章与题跋的颜色及边缘等特征)提取图像中印章或题跋的候选区域;然后利用预先训练好的CNN模型实现印章或题跋的精确定位。卷积神经网络具有从大量训练样本中,自主学习到与目标本质相近的高维特征的能力,能够较好的实现复杂图像背景下变化多样的印章和题跋的检测。在所提出的算法中,卷积神经网络的应用提高了算法的精度。利用场景先验知识快速筛选目标候选区域,减少了后期输入到卷积神经网络分类器的图像数量,提高了算法的效率。此外,在所提出的题跋定位算法中,通过层次聚类弥补了部分漏检的题跋文字区域,同时剔除了离群的非文字区域,进一步提高了算法的定位精度。本文设计了包含15571个样本的印章数据库和包含15448个样本的题跋数据库,用于卷积神经网络的训练。利用Microsoft Visual Studio2013平台和CAFFE框架实现了所提出的算法。通过对694幅中国书画图像进行印章提取实验,验证了所提算法对印章定位的优异性能。对484幅中国画中题跋的定位实验也验证了所提出的题跋定位算法的可行性和有效性。