视觉传达系统平面图形元素多维化融合方法研究

来源:用户上传      作者:

　　摘  要： 现有的视觉传达系统中，图形元素融合效果不佳，且耗时较长。为此，提出一种视觉传达系统平面图形元素多维化融合方法。设计视觉传达系统框架，对系统中图形元素融合部分做出具体分析。采用SIFT特征描述子提取平面图形元素多维特征;通过计算特征点对的转换矩阵，完成图形元素特征配准;配准后，基于窗口的方法，将图形元素划分为不同的能量区域，选取出能量最大的区域，将该区域像素作为待融合图形元素像素值，实现融合处理。实验结果表明，所提方法具有较好的图形元素融合效果，且相较于其他方法，融合耗时较短。
　　关键词： 图形元素融合; 视觉传达系统; 多维特征提取; 特征匹配; 转换矩阵; 实验分析
　　Abstract： As the fusion effect of graphic elements in the existing visual communication system is unsatisfactory and it takes a long time， a multi?dimensional fusion method of plane graphic elements in visual communication system is proposed. The framework of visual communication system is designed， and the fusion part of graphic elements in the system is analyzed concretely. The multi?dimensional features of plane graphic elements are extracted by means of SIFT feature descriptor， and the transformation matrix of feature point pairs is calculated to complete the feature registration of graphic elements. After registration， the graphic elements are divided into different energy regions based on window method， from which the regions with the largest energy are selected， and the pixels in this region are taken as the pixel values of the graphic elements to be fused， so as to realize the fusion processing. The experimental results show that the proposed method has better fusion effect of graphic elements， and the fusion time is shorter than that of other methods.
　　Keywords： graphic element fusion; visual communication system; multidimensional feature extraction; feature matching; transition matrix; experimental analysis
　　0  引  言
　　在计算机媒介快速发展的背景下，视觉传达技术凭借其独具新颖性的设计图像和语言，逐步应用于计算机媒介领域，助推媒介的发展[1?2]。视觉传达技术实则为一种通过视觉符号向人们传输、展示信息的设计活动，其视觉符号大多情况下采用图像形式表现。因此，图像设计与处理在视觉传达分析中具有重要的价值，尤其是图像融合技术，对于视觉图像清晰、完整的展示非常重要[3?4]。
　　目前出现了许多视觉图像融合相关研究成果，刘峰等人利用视觉权重图进行图像融合，使用交叉双边滤波器分解多尺度图像，在不同分解层计算视觉权重值，综合权重值计算结果完成图像融合，但融合质量仍需进一步提高[5]。张承泓等人基于视觉显著性与对比度增强方式研究图像融合，先进行图像信息增强处理，再利用NSCT对图像进行多尺度分解，最后利用视觉显著性系数融合圖像，融合耗时较长[6]。王烈等人利用自适应PCNN提取图像信息，通过逆NSCT融合图像，采用不同的融合策略多次融合图像以增加融合精度，融合质量较好，但计算过程较长[7]。荣传振等人基于引导滤波器对红外图像进行增强，将红外图像信息有效地注入可见光图像中，完成图像融合，并对图像进行后处理，增强融合效果，过程较为复杂，耗时长[8]。傅志中等人对视觉显著性算法做出了改进，将改进后的算法用于图像融合，未能很好地改善耗时问题[9]。针对上述研究方法存在的问题，本文提出一种视觉传达系统平面图形元素多维化融合方法。
　　1  视觉传达系统框架
　　视觉传达系统通过视觉图像的形式将信息传递给观众，系统运行中，需要利用计算机对图像信息进行采集、传输、融合等处理，以增强图像视觉显示效果[10]。本文设计的视觉传达系统框架如图1所示。
　　由图1可知，本文设计的视觉传达系统主要包括采集器、数据处理模块和视觉图形显示与输出模块。其中，数据处理模块中的关键为数据传输和平面图形元素融合部分。通过图形元素采集器采集图形信息后，采用无线光纤传输方式，将获取的信息传输给图形融合模块[11]，该模块通过分析图形特征，借助多传感器，按照特定的融合算法对视觉图形进行处理并输出，供显示设备展示最终图形。其中，图形元素融合是系统设计中非常重要的步骤，需要对其进行详细分析。 　　2  平面图形元素多维化融合
　　2.1  图形元素多维特征描述子
　　视觉传达系统中，平面图形元素存在多维特征，为有效地完成图形元素融合，首先采用SIFT特征描述方式提取多维特征，具体流程如图2所示。
　　由图2可知，平面视觉图形元素多维特征提取中，首先构建多维尺度空间，提取每一尺度水平的平面图形极值点[12?13];其次提取出图形特征点，并对其进行过滤处理，保证特征点的稳定性;然后赋予每个特征点不同的特征描述符，用方向值进行表示;最后生成特征描述子，完成多维特征提取。
　　2.2  特征转换矩阵计算
　　在提取图形元素的多维特征后，对特征点进行转换矩阵计算，实现特征配准，充分利用图形元素之间的冗余信息和互补信息，为图形元素融合提供依据，提高融合精度。
　　假设原始平面图形元素坐标为（x1，y1），投影后的坐标为（x2，y2），坐标转换过程中的控制参数为[kx]和[ky]，可表示为：
　　计算得到式（1）中控制参数后，可计算出转换矩阵，如下：
　　根据式（2）计算出图形元素特征点对的转换矩阵，即表示实现了图形元素特征配准。
　　2.3  基于窗口的图形元素融合
　　完成图形元素配准后，需要进行图形元素融合，避免重叠区域对图形质量的影响，使图形平滑显示。图形元素融合的实质为对多个元素进行综合，获取一个能够在同一场景中全面、准确展示的图形[14]。本文视觉传达系统中，使用多传感器帮助图形融合，因此基于窗口完成图形融合。
　　在多传感器的辅助下，基于窗口进行图形元素融合是将图形元素划分为不同的区域，以“能量”为区域相似程度度量单位，选取出能量相对较大的图形像素值作为待融合图形元素像素值，将两个甚至更多个图形元素进行融合[15]。
　　对原始平面视觉图形元素进行区域“能量”划分，随机选取两个原始平面视觉图形：[Ai，j]，[Bi，j]，假设[Ai，j]图形领域的大小范围为[I，J]，图形的中心像素点为[i，j]，针对图形中心像素点的“能量”，可用[I，J]范围内图形元素综合像素值的加权平均值[WAi，j]表示，如下：
　　为保证图形元素融合结果的准确性，采用概率的方法对融合结果进行一致性检验，若检验结果表明至少有75%的像素来自于某一原始图形，那么就可以使用该原始图形的像素值表示融合图形;若概率低于75%，则不对融合结果进行调整。
　　3  实验结果与分析
　　为了验证本文所提方法的有效性，进行仿真实验分析，使用多传感器帮助实現了视觉传达系统平面图形元素融合，在实验分析中利用Toblbox标定工具校准传感器参数，用等效焦距代替传感器水平和垂直方向的焦距。本实验在Matlab环境下开展，采集的原始图形分辨率均为620像素×460像素，操作系统为Windows 10，编程语言为C++ 6.0。选取两张图形作为实验原始图形，利用本文方法对其进行融合，融合后的结果如图3所示。
　　根据图3可以看出，利用本文方法融合后的图形质量较好，融合效果也好。为了充分体现本文方法的优势，对本文算法与文献[6?7]方法的融合时间进行对比，结果如表1所示。
　　由表1可以看出，三种方法的融合时间均随图形数量的增加而增加。本文算法的最高融合时间为9 s，文献[6]为30 s，文献[7]为31 s，文献方法明显高于本文方法，表明本文方法能够快速完成图形元素融合。原因是本文方法先计算转换矩阵，再进行图形元素特征配准，完成图形元素融合，提高了融合效率。
　　4  结  论
　　本文提出视觉传达系统平面图形元素多维化融合方法，给出视觉传达系统框架，重点分析了图形元素融合过程，并通过实验验证了所提方法的性能。结果表明，本文方法的融合效果较好，且融合时间短。
　　参考文献
　　[1] 王颖，郁梅，应宏微，等.基于视差重映射的立体图像视觉舒适度提升[J].中国图象图形学报，2017，22（4）：452?462.
　　[2] 姚军财，刘贵忠.基于图像内容视觉感知的图像质量客观评价方法[J].物理学报，2018，67（10）：241?258.
　　[3] 赵杰，马玉娇，刘帅奇.结合视觉显著性的图像去噪优化算法[J].计算机科学，2018，45（2）：312?317.
　　[4] 戴文战，潘树伟，李俊峰.基于人眼视觉特性与自适应PCNN的医学图像融合算法[J].光电子·激光，2017（7）：808?816.
　　[5] 刘峰，沈同圣，马新星.交叉双边滤波和视觉权重信息的图像融合[J].仪器仪表学报，2017，38（4）：1005?1013.
　　[6] 张承泓，李范鸣，吴滢跃.基于视觉显著性与对比度增强的红外图像融合[J].红外技术，2017（5）：421?426.
　　[7] 王烈，罗文，陈俊鸿，等.自适应PCNN与信息提取的红外与可见光图像融合[J].计算机工程与应用，2018，54（4）：192?198.
　　[8] 荣传振，贾永兴，杨宇，等.增强融合图像视觉效果的图像融合方法[J].信号处理，2019，35（3）：327?333.
　　[9] 傅志中，王雪，李晓峰，等.基于视觉显著性和NSCT的红外与可见光图像融合[J].电子科技大学学报，2017，46（2）：357?362.
　　[10] 张丽娟.视觉传达下多帧影视图像特征实时跟踪仿真[J].计算机仿真，2017，34（9）：179?182.
　　[11] 谷雨，周阳，任刚，等.结合最佳缝合线和多分辨率融合的图像拼接[J].中国图象图形学报，2017，22（6）：842?851.
　　[12] 丁理想，何川，李书杰，等.基于余弦核函数的SIFT描述子改进算法[J].图学学报，2017，38（3）：373?381.
　　[13] 孙雪强，黄旻，张桂峰，等.基于改进SIFT的多光谱图像匹配算法[J].计算机科学，2019，46（4）：280?284.
　　[14] 汪玉美，陈代梅，赵根保.基于目标提取与拉普拉斯变换的红外和可见光图像融合算法[J].激光与光电子学进展，2017（1）：104?112.
　　[15] 刘杰，谢明，朱莹莹.双层SVM的阴影检测与基于窗口融合的阴影恢复[J].计算机工程与应用，2017，53（12）：178?184.
转载注明来源:https://www.xzbu.com/8/view-15290349.htm