中西方绘画是世界历史文明发展史上重要的文化作品形式之一。在历史进程中出现了许多优秀的绘画作品,这些优秀作品是研究历史、文化、艺术和科技的重要载体。随着互联网技术数字化的日益普及,越来越多的绘画艺术作品被录入电子图书馆,艺术爱好者欣赏优秀的绘画作品变得更加容易。逐渐增加的数字绘画图像为学者们带来丰富的研究资源,同时,如何将大规模的数字绘画图像进行有效分类,是目前亟需解决的热点问题之一。绘画作品与普通的自然图像不同,它具备独特的风格、技巧及艺术情感,而笔触是反映这些特点的最基本的绘画元素之一,也是绘画研究中一个非常重要的可视化特征。目前,研究者仍然缺乏对笔触特征的系统性研究,导致笔触特征的实际使用价值得不到体现。针对该问题,本文的创新之处在于通过提取绘画作品中独有的笔触特征来对中西方绘画图像、西方风格绘画图像进行分类。（1）本文提出了一种新的笔触特征提取方法。首先使用边缘检测方法Sobel算子提取笔触特征,通过3*3的滤波器对绘画图像进行运算操作从而获取图像的边缘线,由于绘画作品中的笔触具有连贯性,使用形态学操作的开闭运算去除噪声和封闭断裂边缘线,对检测到的边缘线进行过滤和连接,最后选取前六个具有最大密度的笔触特征作为输入。（2）本文提出了一种基于笔触特征的中西方绘画图像分类框架。通过文中构建的中西方绘画图像数据库,将提取的笔触特征输入到卷积神经网络结合SVM的分类模型中,该模型展示了它独有的优势,通过与常用的ID3、C4.5、KNN、朴素贝叶斯分类器进行实验对比,分类效果显著。此外,文中还比较了基于笔触特征与无笔触特征的分类,实验结果表明,基于笔触特征的分类精确度增加近10%。（3）本文提出了基于笔触特征和颜色特征对西方风格绘画图像进行分类的方法。首先,将西方绘画图像从RGB模型转化为HSV模型,对生成的HSV模型执行K均值聚类法,K取值为20,从而形成20种聚类中心。然后将K均值聚类法的中心点按照从大到小的顺序进行排序,取前六种色彩作为颜色特征的主色调。最后基于颜色与笔触的双特征对绘画图像进行分类,与只有颜色特征的分类算法进行对比,实验结果表明,提取笔触特征对西方风格绘画图像的分类精度值有很大的提升。