豐碩

摘要：本文提出了一種基于視覺傳達(dá)的藝術(shù)品顏色分揀方法，針對傳統(tǒng)藝術(shù)品顏色視覺分析方法做出了改進(jìn)，圍繞顏色視覺特征表達(dá)能力、顏色特征分揀辨識能力兩個層面進(jìn)行系統(tǒng)優(yōu)化。仿真結(jié)果表明，該方法可有效增強(qiáng)藝術(shù)品顏色分揀的精度，有助于系統(tǒng)提升藝術(shù)品三維重構(gòu)與自動分揀能力。

關(guān)鍵詞：視覺傳達(dá);藝術(shù)品分揀;顏色特征

中圖分類號：J524;TP391 41

文獻(xiàn)標(biāo)識碼：A

文章編號：1005-5312 （2020） 03-0177-01

一、引言

采用基于視覺傳達(dá)的三維圖形處理技術(shù)可自動提取出藝術(shù)品的顏色特征分割與紋理信息特征，對藝術(shù)品圖像信息進(jìn)行RGB顏色特征分解，實(shí)現(xiàn)藝術(shù)品視覺傳達(dá)圖像的三維重構(gòu)，配合色彩視覺分析方法完成不同顏色藝術(shù)品的分揀，提升藝術(shù)品分揀效率與鑒定精度，實(shí)現(xiàn)對藝術(shù)品自動分揀工藝的顯著優(yōu)化。

二、藝術(shù)品顏色視覺分析方法

（一）藝術(shù)品視覺圖像特征提取

在圖像采集與信息處理方面，采用基于圖像輪廓的三維重建方法、三維稀疏散亂點(diǎn)集的直接三角剖分方法、重復(fù)紋理區(qū)域特征跟蹤匹配方法，完成藝術(shù)品視覺傳達(dá)圖像特征分析模型的建立，生成顏色視覺特征點(diǎn)集，從中提取出三維關(guān)鍵特征點(diǎn).選取顯著性檢驗(yàn)方法重新構(gòu)建藝術(shù)品的紋理表面，并結(jié)合角點(diǎn)檢測方法、相對尺度分解方法完成對藝術(shù)品視覺圖像顏色分量的分解與檢測。其特征分解函數(shù)為：

（二）藝術(shù)品圖像顏色特征分解

將三維模型的邊緣點(diǎn)判定為藝術(shù)品視覺傳達(dá)圖像顏色特征點(diǎn)，經(jīng)由模糊聚類處理后進(jìn)行體素特征分割，針對量化處理后的藝術(shù)品表面進(jìn)行紋理信息檢測，分別采用稀疏線性規(guī)劃方法與加權(quán)特征分割方法生成圖像顏色特征分布函數(shù)，表現(xiàn)為：

Data（x，y，d（x，y））=|u（x，u）-u（x，y）|2

接下來基于RANSAC算法、LucasKanade圖像完成藝術(shù)品視覺傳達(dá)圖像點(diǎn)云數(shù)據(jù)的預(yù)測與信息融合處理，獲得藝術(shù)品視覺傳達(dá)圖像顏色特征的稀疏分解過程，借此生成藝術(shù)品顏色分揀能力。

三、基于視覺傳達(dá)特征的藝術(shù)品顏色分揀方法優(yōu)化策略探討

（一）顏色視覺特征表達(dá)能力的優(yōu)化

基于視覺傳達(dá)特征進(jìn)行藝術(shù)品顏色分揀方法的優(yōu)化設(shè)計(jì)，在顏色特征提取方法的基礎(chǔ)上配合稀疏散亂點(diǎn)重組方法，在搜索半徑范圍內(nèi)進(jìn)行藝術(shù)品圖像的分塊切割，提取出紋理特征信息、輸出紋理特征分量。隨后將角點(diǎn)檢測方法與三維模型邊緣特征檢測方法相結(jié)合，尋求到網(wǎng)格模型匹配點(diǎn)，并建立統(tǒng)計(jì)形狀模型，生成藝術(shù)品圖像的顏色視覺的相鄰像素集。接下來采用相對尺度分解法進(jìn)行顏色空間的增強(qiáng)處理，生成顏色分量的RGB分解結(jié)果，表現(xiàn)為：

通過運(yùn)用角點(diǎn)檢測方法與三維模型邊緣特征檢測方法，可有效提升紋理填充數(shù)量、實(shí)現(xiàn)自動渲染，進(jìn)一步增強(qiáng)藝術(shù)品圖像的顏色視覺特征表達(dá)能力。

（二）顏色特征分揀辨識能力的優(yōu)化

在藝術(shù)品視覺特征提取與均衡化處理方面，采用全局配置方法進(jìn)行顏色均衡處理，生成與背景區(qū)分度較大的圖形子塊，完成顏色分揀控制參數(shù)的設(shè)計(jì)。在運(yùn)用角點(diǎn)檢測與三維模型邊緣特征檢測方法后，可實(shí)現(xiàn)對顏色分揀的紋理填充，經(jīng)由點(diǎn)云特征自動提取與分解后，建立藝術(shù)品視覺傳達(dá)圖像的像素序列分布矩陣，以概率權(quán)重為基準(zhǔn)篩選出特征分量進(jìn)行二值擬合，即可獲取到顏色分揀的屬性分類結(jié)果。在完成特征線提取、特征線分割的基礎(chǔ)上，生成極端視角變化分布結(jié)果。其表達(dá)式分別為：

利用以上模型重新建構(gòu)藝術(shù)品視覺傳達(dá)圖像的輪廓，采用全局配置方法完成藝術(shù)品視覺特征的采樣與顏色的均衡處理，配合運(yùn)用模糊聚類方法進(jìn)行顏色特征分揀，進(jìn)一步提升藝術(shù)品的顏色特征分揀辨識能力。

（三）仿真結(jié)果分析

為檢驗(yàn)基于視覺傳達(dá)特征的藝術(shù)品顏色分揀方法的優(yōu)化效果與實(shí)際分揀性能，擬采用MATLAB軟件進(jìn)行仿真試驗(yàn)，在完成試驗(yàn)參數(shù)設(shè)計(jì)的基礎(chǔ)上，采用稀疏散亂點(diǎn)重組方法、紋理跟蹤匹配方法進(jìn)行藝術(shù)品圖像顏色特征區(qū)域的分割與融合處理，生成藝術(shù)品視覺傳達(dá)與三維重構(gòu)仿真結(jié)果，其中先驗(yàn)點(diǎn)數(shù)為432個，用時為1. 232s，誤分率為0.094。通過觀察優(yōu)化后的待分揀藝術(shù)品仿真結(jié)果可以發(fā)現(xiàn)，采用該方法可提升對藝術(shù)品的三維重構(gòu)效果，輸出的紋理像素級較高，具備良好的信息表達(dá)能力①。

四、結(jié)語

本文針對藝術(shù)品顏色特征分揀方法進(jìn)行了系統(tǒng)優(yōu)化，可有效提升藝術(shù)品圖像的顏色視覺特征表達(dá)能力與顏色特征分揀辨識能力，為藝術(shù)品分揀與鑒定工作提供了重要的技術(shù)支持。

注釋：

①鄭永濤，葉仕通，張釗，基于顏色識別的智能搬運(yùn)機(jī)器人的設(shè)計(jì)[J].電子設(shè)計(jì)工程，2017 （10）：78-80.