视觉传达系统平面图形元素采集方法仿真研究

计算机仿真

2019年6月

文章编号:1006 - 9348(2019)06 - 0475 - 05

视觉传达系统平面图形元素采集方法仿真研究

刘丽坤

(河北传媒学院艺术设计学院，河北石家庄051430)

摘要：视觉传达系统平面图形元素采集方法的研究，在提高图像使用方面具有重要意义。在对平面图形元素进行采集时，需 要对平面图形元素的协方差矩阵进行计算，确定图形元素的特征向量。传统方法主要根据图形元素的属性进行采集，导致 出现采集准确度低、维数高、识别率低的问题，提出基于主成分分析的视觉传达系统平面图形元素采集方法。根据平面图形 的元素特征，对元素特征的平均值进行计算，能够得到平面图形元素的最终特征值，计算平面图形经过滤波器处理后的方 差，并对图形元素的髙维数据做降维处理，在此基础上，根据最大和最小灰度值，计算平面图形灰度图的大小，并定义平面图 形元素特征点模值的大小和方向，计算平面图形元素的协方差矩阵，得到图形元素协方差矩阵的特征向量，实现视觉传达系 统平面图形的元素采集。仿真结果表明，提出方法提高了对平面图形元素采集的准确度，并且采集到的图形元素不仅维数 低、而且识别率较髙。

关键词：视觉传达系统;平面图形;元素;采集方法；中图分类号:TP391. 41

文献标识码:A

Simulation Research on the Acquisition Method

of Plane Graphic Elements in Visual Communication System

LIU Li — kun

(Hebei Institute of mass media

, School of art and design, Hebei Shijiazhuang 051430,China)

ABSTRACT ： When collecting planar graphic elements, it is necessary to calculate the covariance matrix of planar

graphic element and determine the feature vector of graphic element. The traditional method often leads to low acqui­sition accuracy, high dimensionality and low recognition rate. Therefore, a method to collect planar graphic elements of visual communication system based on principal component analysis was proposed. According to the element fea­ture of planar graph, the mean value of element feature was calculated, and then final eigenvalue of planar graphic element was obtained. Moreover, the variance of planar graphic after the filter processing was calculated, and the di­mension of high dimensional data of graphic element was reduced. On this basis, the maximum gray value and mini­

mum

gray value were used to calculate the size of greyscale map of planar graph.

Meanwhile, size and direction of

feature point mode value of planar graphic element were defined. Finally, the covariance matrix of planar graphic ele­ment was calculated, so as to obtain the feature vector of covariance matrix of graphic element. Thus

, element collec­

tion of planar graph in visual communication system was achieved. Simulation results show that the proposed method improves the accuracy of collection for planar graphic element. Meanwhile, the collected graphic elements not only has low dimension, but also has high recognition rate.

KEYWORDS：Visual communication system； Plane graphic； Element； Collecting method

基金项目：课题:河北省人社厅项目：“职业院校“校企合作、产教融 合”实现“三贏”的路径研究”（JR

S

〜2018〜8001);河北省文化厅文

化艺术科学研究项目：“辛集农民画艺术特征及当代价值研究”（^^-

WY

2014 - Y - C021);河北传媒学院课题:“视觉传达设计工作室制教

学模式探究-以河北传媒学院艺术设计学院为例”（jw2018013)收稿日期:2018 -08 - 14修回日期:2019 -03 -01

475 —

1引言

视觉传达是将有关内容传达给眼睛，通过视觉感官进行

信息传达，视觉传达系统平面图形元素采集方法受到广泛应 用[1]。对平面图形元素采集的过程中，根据图形中不同的元 素，对平面图形不同元素进行处理，平面图形的元素与其他 图形元素一样，是平面图形的主要特征之一，是平面图形灰 度变化的显著点，也是对平面图形元素分析的基础[2]。平面 图形元素采集方法是图形分析的主要内容，是平面图形处理 领域的一种重要的方法,视觉系统平面图形元素采集方法的 深人研究和应用得到研究学者的青睐。

文献[3]提出一种基于Web标注技术的平面图形元素 采集方法，利用图形采集软件对平面图形元素进行采集，对 平面图形元素进行增强处理，并对对不同图形元素进行标 注，计算增强后平面图形元素的灰度值，实现平面图形元素 的采集，但该方法采集到的平面图形元素维数较高。文献[4]提出一种基于FPGA + DSP的平面图形元素采集方法，对 平面图形元素进行预处理，并对平面图形进行增强，能够解 决平面图形亮度分布不均匀的问题，对平面图形元素数据进 行压缩计算，并对其进行图形元素提取，实现平面图形元素 的采集，但该方法存在平面图形元素采集准确度低的问题。 文献[5]提出基于交互式图像元素提取算法的平面图形元素 采集方法，将平面图形进行分割，并建立图形元素之间的连 通关系，对平面图形元素的相似性度量进行定义，能够获得 平面图形的元素，进一步对平面图形元素的图割模型进行改 进，完成对平面图形元素的采集，发现该方法采集到平面图 形的识别率较低。

针对上述三种方法研究结果存在的问题，提出基于主成 分分析的视觉传达系统平面图形元素采集方法。

2视觉传达系统平面图形元素采集原理

为了实现视觉传达系统平面图形元素的采集，利用平面

图形的映射子图对图形的特征向量进行分析,采集平面图形 的元素属性，对平面图形进行分层，能够得到平面图形的元 素向量和图形元素的权重，对平面图形各个元素向量进行归 一化处理，并将平面图形的元素转到坐标中，计算平面图形 元素的方向函数和频率函数，完成视觉传达系统平面图形的 元素采集。

设平面图形的大小为M x /V，对平面图形的结构元进行 统计,将平面图形分为几个2x2的块,并对平面图形的结构 元进行匹配，获得到[A//2] x [A72]大小的平面图形映射子 图，用7XD)来表示，并且取值为[〇,8]，当

_/)=1,5£1〇,1，2〜，8|,则平面图形特征向量的表达式如下：

[M/2][N/2]

K = Xi=l

jE=l

W

’J) ⑴

在平面图形映射子图中进行分层，采集平面图形的元素 属性，平面图形第s层的元素集合为_/, = |/v,，w,，s,,〇|,在 —476 —

平面图形颜色映射子图CU,y)中平面图形颜色元素的属性

进行分析[6_7]，平面图形第i层的颜色元素集合为& =

，将所有平面图形的元素层进行合并，能够

得到平面图形的元素向量，通过计算得到图形元素的权重 叫

1,2,3,对平面图形各个元素向量进行归一化处理，表 达式为：

H = [x

Norm(K)]

(2)

其中：

.&), = 1 x y||y||,

\\〇)2 = lx yii/n,

(3)

L3 = i x /H/fll,

i = ln〇ean( ，丨丨1/|丨1，|丨尺丨丨|))

(4)

将平面图形的元素转到坐标中，可以用函数S'(r，0)来 表示，对平面图形元素的方向0进行确定,S'(r，0)为一维函 数对平面图形元素的频率r进行确定，此时S'(r，0) 同样为一维函数义,（0),得到两个函数的表达式如下：

S'(r) = YeS’e(r)(5)s'(e) = j^s'r(e)(6)

结合平面图形元素特征向量的计算和平面图形元素方 向、频率函数的计算，完成视觉传达系统平面图形元素的采 集，表达式为：

w = (y, +S'(r) +S'(d))*co,

(7)

通过分析平面图形的元素属性，实现多重光照下彩色数 字图像色差在线检测。

3视觉传达系统平面图形元素采集方法研究

3.1平面图形元素的去噪

根据平面图形的元素特征，对元素特征的平均值进行计 算，对滤波器的不确定度进行分析，当多个尺度的滤波器经 过处理后得的图形元素相似时,能够得到平面图形元素的最 终特征，并计算平面图形元素经过滤波器处理后的方差，利 用最小方差计算图形元素的权值，根据平面图形张量空间中 总散布值对图形元素的高维数据做降维处理,完成对平面图 形元素的去噪。

假设有张平面图形的样本|y,.,r = i,…,MK为了能 够得到平面图形的元素特征，采用5个不同尺度和8个不同 方向组成的40个滤波器~，可以获得到40张平面图形的元 素特征IG丨，

,计算平面图形元素特征值G,.的平

均值S,.，计算公式如下：

40

G, = (1/4)

(8)

其中，/表示第/个滤波器，其不确定度用U/来表示，则有如 下表达式：

uf =^(1/40)^116,, -G,|p

(9)

式中，IIg/;.代表平面图形元素矩阵的欧式距离，当多

个尺度的滤波器得到的图形元素相似时，假设滤波器的权值40

为岑，…Ao,并且^今=1,能够得到平面图形元素的 最终特征，计算公式如下：

40

G = (10)

平面图形元素样本经过滤波处理后得到方差，表达 式为：

a = EI || Gr - G|i'l = £[ ||

G；. - J=^ ^^Aj.Gj^. || ]

J-+ £[ ^4 lie, - GIF + 2^ lie, - Gf, IF]

(ID

滤波器对平面图形进行变换后得到平面图形各波段的 响应图[9_W，平面图形的元素特征I G,1.，# ,…，(^0丨相互独 立，则£[ ||6,||2] =0,此时平面图形元素经过滤波处理

后的方差为：

0-2 =

-G|p]

(12)

将％代人到公式（12)中得到：

40

(T2 = ^40Ay.u;.

(13)

为了使平面图形元素经过滤波器处理后方差的方差最 小，利用拉格朗日乘法对其进行计算，表达式为：

40

40

LL = ^40/1；.^ +y( - 1)

(14)

其中y表示拉格朗日常数，对其进行求解得到平面图形元素 的权值，计算公式如下：

〜

=—1TJ—

(15)

ur /=i

X (1/u/)

为了对视觉传达系统平面图形元素进行去噪，需要对平 面图形的高维张量空间数据做降维处理，将U„,m = l，…，

AT丨当作平面图形中元素数据的训练样本乂为平面图形张

量第n模的维数，丨f/W e

= 1,2,…，^丨为平面图形元素的多线性变换空间，有如下表达式：

\\Uln\\n = 1,2,-,/VM

= arg max妒t

(16)其中代表平面图形张量空间中总散布值，

中包括平

面图形元素的最大特征值/>„，利用公式（16)能够将平面图形 的样本张量投影到另外一个空间中，为把平面图形元素的高

N' N'维数据变成低维数据，则必须使（£/>„)/( $/,) <

n = 1 n = 1

的结果为未知，与上述计算结果相结合，能够尽可能的将较 优的值找出，使平面图形元素的高维数据降到低维，最终 完成对平面图形元素的去噪，表达式如下：

Q

=

Aj.

■/„+

a2

+ \\

G

*

ur | (17)

利用公式（17)，完成了对平面图形元素的去噪。3.2

基于主成分分析的平面图形元素采集方法

以对平面图形元素的去噪为基础，利用视觉传达系统平 面图形元素的能量函数对图形平面与视差之间的关系进行 分析，根据最大和最小灰度值，计算平面图形灰度图的大小, 并定义平面图形元素特征点模值的大小和方向，计算平面图 形元素的方差矩阵和协方差矩阵，得到协方差矩阵的特征向 量,最终获取到平面图形的元素，实现视觉传达系统平面图 形的元素采集。

将视觉传达系统平面图形元素的能量函数进行定义，表 达式为：

E’if) = E'“(f) +

£

、

{/)

(18)式中丄。CO代表平面图形元素的数据项，

刀代表平

滑项代表平面图形元素时间一致性的函数，在平面 图形元素中，对图形平面Z与视差的关系进行分析，计算公 式为：

xt - xr>

d

其中'表示摄像机的基线距离,f表示焦距&、&分别表示

摄像机光轴距离的左右匹配点y表示视差,在视觉传达系 统中，以0~255色灰度值为例，计算平面图形灰度图的大 小，计算公式如下：

2 = [255 - 255(Z-2mJ/(Zm„ -Zmin) +0.5] (20) 式中^_7_分别代表平面图形的最小和最大灰度值，平 面图形元素特征点模值的大小和方向可以定义为：

G'{x\\y') = yG'l(x',y') +G'l(x',y')

(21)

n,,t(, , ；yM) =arct, anG_\\(_x，y_)

(卜、22)

其中，(；\\(，,/)，'„(，,/)分别代表平行图形元素水平和 垂直的模值，将平面图形元素Y维特征向量用T? ><M

n w

(23)

S\"T =

-,

m)t

=

^rA'A'T

(24)式中，，与//等价表示平面图形元素的特征向量矩阵，

表

示平面图形元素的正交变换矩阵，构成新的平面图形元素特 征向量空间，

表示对角矩阵，则平面图形元素协方差矩阵

的特征向量为：

r = -^zA'8 +

(25)

公式（25)中，A代表平面元素的特征值,S代表特征向 量，^代表平面图形元素的调节系数，取值范围为[1,5],当 调节系数在[1,3]范围内时，能够准确的对平面图形元素进 行采集，通过对平面图形元素协方差矩阵的特征向量的计

—

477 —

算，能够获取到平面图形的元素，实现视觉传达系统平面图 形元素的采集，表达式如下：

y = (r +s\"r +M).z

(26)

根据计算平面图形灰度图的大小和平面图形元素的特

征向量，完成视觉传达系统平面图形的元素采集。

4仿真试验设计与结果分析

实验采用内存为3G

B

的

CPU

,其显存为2G

B

,实验的操

作系统为Windows7,并且在Matlab9.0平台下，利用主成分 分析的视觉传达系统平面图形元素采集方法进行实验。根 据平面图形元素的特征向量值对采集到平面图形元素的维 数进行测试，设其单位为P,当特征向量值接近1时,平面图 形元素采集到的维数较低,实验对比如图1所示。

ca

i

0

1

2

3

4

5

6

7

8

9

10

采集次数/次

图1平面图形元素采集的维数对比

分析图1可知，提出方法中，采集次数为1次时,对应的 平面图形元素的特征向量为0. 6,当对平面图形元素进行第 3次采集时，对应的特征向量为0.8,从图中可以看出，经过4 次以上对平面图形元素的采集，其对应的特征向量逐渐接近 1,在0.8〜1之间，文献[3]方法中，平面图形元素进行第1 次采集时,其特征向量为0.2,进行第3次采集时的特征向量 接近0.4,进行4、5、6平面图形元素采集的特征向量变小，从 图中可以看出文献[3]方法平面图形元素整体特征向量的变 化在0.2 ~0. 4之间，提出方法平面图形元素整体特征向量 的变化在〇. 6 ~ 1. 0之间，对比可知，提出方法的平面图形元 素特征向量更接近1,说明提出方法平面图形元素采集到的 维数较低。

在对平面图形元素采集维数测试的基础上，利用平面图 形元素的调节系数，对平面图形元素采集的准确度进行实 验,设调节系数的单位为a,实验对比如图2、图3所示。

分析图2可知，平面图形元素调节系数的初始值为1，提 出方法的平面图形元素调节系数的最高点接近3,调节系数 的最低点接近1,整体变化范围在[1,3]之间，文献[4]方法 中，迭代次数为5次时，平面图形元素的调节系数为3,当迭 代次数为20次时，对应调节系数的值处于最高点为5,当迭 代次数为30次时，平面图形元素的调节系数变回3,调节系 —478 —

6

5

4

3

2

1

o

10

5

20

2.

30

迭代次数/次

图2

平面图形元素采集的准确度

数的整体变化范围在[1,5]之间，对比可知，提出方法的平面 图形元素调节系数在[1,3]之间，说明提出方法对平面图形 元素进行采集时，具有较高的准确度。

通过上述实验的对比，实验设计6幅平面图形，对采集 到的视觉传达系统平面图形元素的识别率进行测试,测试结 果如表1所示。

表1

采集到的平面图形元素识别率对比

F/%V

KD

190622

95613

9855496605

99656

97

56

表1中，F代表采集到平面图形元素的识别率,V代表平 面图形,K代表提出方法,D代表文献[5]方法,分析表1可 知,提出方法采集6幅平面图形元素的识别率在90% ~99% 之间，文献[5]方法对6幅平面图形元素采集时的识别率在

55% -65%之间，对比可知，提出方法对平面图形元素进行

采集时的识别率最高为99% ,说明提出方法的图形元素的识 别率较高。S

结论

通过分析视觉传达系统平面图形元素采集方法的缺点,

提出一种主成分分析的视觉传达系统平面图形元素采集方 法。利用平面图形元素的特征向量和调节系数，对采集到平 面图形元素的维数和采集元素的准确度、识别率分别进行测 试,仿真实验结果证明了提出方法准确的对平面图形元素进 行采集，并且采集到的图形维数较低、识别率较高，提出方法 能够为以后众多领域的研究发展提供参考意见。

参考文献：

[1]

杜宏飞，刘江唯，付磊.直喷汽油机喷雾过程图像采集和处理 [J].汽车工程，2016, 38(10):丨丨89 -1193.

[2]

姚青，张超，王正，等.分布式移动农业病虫害图像采集与诊 断系统设计与试验[J].农业工程学报，2017, 33(sl):184 -191.

[3] 郭强，邹广天，连菲，等.应用

Web

[7] 傅建明，鲍艳.基于虚拟现实技术的3D动画场景平面设计

[J].现代电子技术,2017,40(21) :67-69 +73.

[8]

黄伟锋，唐宇，王克强，等.荔枝果品质检测图像采集平台的 研制与试验[J].江苏农业科学，2016, 44(7) :381 -384.[9] 杜宏飞，刘江唯，付磊.直喷汽油机喷雾过程图像采集和处理

[J].汽车工程，2016, 38(10) :1189 -1193.

标注技术的建筑图像语义

[10]

乔良.三维图像视觉下运动关键特征的提取方法改进[J].

采集方法[J].哈尔滨工业大学学报，2017, 49(10):158 -163.

[4] 靖固，杨华宇.基于F

PGA+DSP

计算机仿真，2017, 34(1) :216 -219.

实时图像采集处理系统设计

[作者简介]

刘丽坤（1982 -),女（汉族），河北行唐县人，硕士 研究生，讲师，主要研究领域为视觉传达设计、陶瓷 艺术设计。

[J].哈尔滨理工大学学报，2016 , 21(4) :40 - 44.

[5]

杨弄影，李峰，桂彦.纹理图像中重复纹理元素提取方法*

[J].计算机科学与探索，2016, 10(8) :1154-1165.

[6]

刘毅娟，刘晓明，袁琨.苏州古典园林色彩元素的采集与数据 化分析[J].中国园林，2016 , 32(6) :46 - 51.

(上接第367页）

[9] 杜永文，冯珂,练云翔.簇首优化的无线传感器网络负载均衡

算法[J].小型微型计算机系统，2017,38(10) :2221 -2225.[10]

贾濡，等.智慧协同网络中基于流量矩阵的负载均衡路由机

[作者简介]

黄伟建（I%

系统。

潘志刚（1989-),男（汉族），河南省叶县人，硕士 生，主要研究方向为云计算。

4-),男（汉族），山西交口人，博士,

教授，主要研究方向为云计算、并行计算、信息

制[J].通信学报，2016,37(4) :128 -138.

(上接第449页）[6] 杨武，唐瑞，卢玲.基于内容的推荐与协同过滤融合的新闻推 荐方法[J〕•计算机应用，2016, 36(2) :414-418.

4结束语

针对当前协同过滤推荐方法忽略了时间因素对用户偏

[7] 周奇，陆敬筠，朱晓峰.基于社交团体和用户相似度的信息推

荐方法[J].情报理论与实践，2016, 39(1) :123 -127.[8]

薛福亮，马莉.利用动态产品分类树改进的关联规则推荐方

好的影响，导致最终推荐结果不理想的问题，提出了基于局 部低秩张量分解的协同过滤推荐方法,通过仿真测试验证了 所提方法的推荐结果相比于其他推荐方法得到了较大提升, 但在推荐实时性方面的性能还有待于进一步考察，这是下一 步的研究重点。

法[J].计算机工程与应用，2016, 52(4):丨35-141.[9]

Gui L

, Cui G, Zhao Q, et al. Video denoising using low rank ten­

sor decomposition[C] // International Conference on Machine Vi- sion. International Society for Optics and Photonics, 2017 ： 103

-114.

[10]

张桂平，翟顺龙，王裴岩.一种融合用户主题兴趣与用户行 为的文档推荐方法[J].中文信息学报，2017, 31(3) :147

DA

参考文献：

[1]

张亮.基于L

主题模型的标签推荐方法研究[J].现代情

报，2016, 36(2) :53 -56.

[2] 解敏.图书馆移动信息资源面向用户推荐优化仿真[J].计算

机仿真，2017, 34(5) :291 -294.

[3] 刘建勋，石敏，周栋，等.基于主题模型的Mashup标签推荐方

法[J]•计算机学报，2017, 40(2) :520-534.[4]

马慧芳，贾美惠子，李晓红.一种基于标签关联关系的微博推

-155.

[作者简介]

张宏丽（1974 -),女（汉族），内蒙古赤峰人，博士， 副教授,研究方向：计算机网络应用，人工智能，大 数据。

荐方法[J]•计算机工程，2016, 42(4) :197 -201.

[5] 李倩，许伟，蒋洪迅.考虑用户口碑的旅游计划个性化推荐方

法研究[J].管理评论，2016, 28(6) :113 -118.

479 —