近年来,艺术史学、计算机图形学和数字图像处理等领域的研究者们对视觉艺术理解研究越来越关注,由此产生的计算机辅助美学研究也被称为计算美学。传统的视觉艺术分析依靠艺术家们基于个人知识及见解的判断,与此不同,计算美学领域的视觉艺术理解研究更注重于科学的理解视觉艺术作品,在此基础上客观的评价艺术及艺术性。这使得视觉艺术理解在艺术史研究、艺术家鉴定和艺术风格分析等领域极具理论研究和应用推广的价值。论文针对视觉艺术理解研究中多项技术方法展开了较为深入的研究,提出了五种数字化的风格特征,对风格间的关系进行了分析,并尝试了不同风格的迁移。论文首先综述了视觉艺术理解研究领域的多种技术方法,以及研究者们采用这些方法进行的应用；并综述了现有研究的发展、应用前景和各种技术方法的优缺点,对目前的研究重点和趋势进行了总结。其次,综合自然图像的统计特征和现有的视觉艺术理解研究的技术方法,在Curvelet变换基础上,论文提出五种基于Curvelet变换系数统计分析的数字化风格特征：多尺度幅度、系数分布、非平稳性、各向异性和系数相关性,分别对艺术作品的尺度间能量分布、线条统计特性、构图等方面进行分析。然后,采用五种数字特征对丁绍光、徐悲鸿、齐白石、Claude Mone、Vincent van Gogh和Henri Matisse的艺术作品风格进行分析,定量的描述不同风格的特征和它们之间的差异及相似之处。实验表明,这些数字特征可以从不同角度反映不同流派的视觉艺术在风格及绘画技术等各方面的特点。最后,在风格分析的基础上,尝试了不同风格的转换及迁移,证明论文提出的数字特征有效的表现了不同艺术作品风格的特点。概观近年来视觉艺术理解研究的发展,本篇论文基于Curvelet变换和统计分析提出的五种数字化特征和基于这些特征的艺术风格分析是对该领域研究的重要补允。