王倩

摘? 要： 現(xiàn)有的視覺傳達系統(tǒng)中，圖形元素融合效果不佳，且耗時較長。為此，提出一種視覺傳達系統(tǒng)平面圖形元素多維化融合方法。設(shè)計視覺傳達系統(tǒng)框架，對系統(tǒng)中圖形元素融合部分做出具體分析。采用SIFT特征描述子提取平面圖形元素多維特征;通過計算特征點對的轉(zhuǎn)換矩陣，完成圖形元素特征配準;配準后，基于窗口的方法，將圖形元素劃分為不同的能量區(qū)域，選取出能量最大的區(qū)域，將該區(qū)域像素作為待融合圖形元素像素值，實現(xiàn)融合處理。實驗結(jié)果表明，所提方法具有較好的圖形元素融合效果，且相較于其他方法，融合耗時較短。

關(guān)鍵詞： 圖形元素融合; 視覺傳達系統(tǒng); 多維特征提取; 特征匹配; 轉(zhuǎn)換矩陣; 實驗分析

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

在計算機媒介快速發(fā)展的背景下，視覺傳達技術(shù)憑借其獨具新穎性的設(shè)計圖像和語言，逐步應(yīng)用于計算機媒介領(lǐng)域，助推媒介的發(fā)展[1?2]。視覺傳達技術(shù)實則為一種通過視覺符號向人們傳輸、展示信息的設(shè)計活動，其視覺符號大多情況下采用圖像形式表現(xiàn)。因此，圖像設(shè)計與處理在視覺傳達分析中具有重要的價值，尤其是圖像融合技術(shù)，對于視覺圖像清晰、完整的展示非常重要[3?4]。

目前出現(xiàn)了許多視覺圖像融合相關(guān)研究成果，劉峰等人利用視覺權(quán)重圖進行圖像融合，使用交叉雙邊濾波器分解多尺度圖像，在不同分解層計算視覺權(quán)重值，綜合權(quán)重值計算結(jié)果完成圖像融合，但融合質(zhì)量仍需進一步提高[5]。張承泓等人基于視覺顯著性與對比度增強方式研究圖像融合，先進行圖像信息增強處理，再利用NSCT對圖像進行多尺度分解，最后利用視覺顯著性系數(shù)融合圖像，融合耗時較長[6]。王烈等人利用自適應(yīng)PCNN提取圖像信息，通過逆NSCT融合圖像，采用不同的融合策略多次融合圖像以增加融合精度，融合質(zhì)量較好，但計算過程較長[7]。榮傳振等人基于引導(dǎo)濾波器對紅外圖像進行增強，將紅外圖像信息有效地注入可見光圖像中，完成圖像融合，并對圖像進行后處理，增強融合效果，過程較為復(fù)雜，耗時長[8]。傅志中等人對視覺顯著性算法做出了改進，將改進后的算法用于圖像融合，未能很好地改善耗時問題[9]。針對上述研究方法存在的問題，本文提出一種視覺傳達系統(tǒng)平面圖形元素多維化融合方法。

1? 視覺傳達系統(tǒng)框架

視覺傳達系統(tǒng)通過視覺圖像的形式將信息傳遞給觀眾，系統(tǒng)運行中，需要利用計算機對圖像信息進行采集、傳輸、融合等處理，以增強圖像視覺顯示效果[10]。本文設(shè)計的視覺傳達系統(tǒng)框架如圖1所示。

由圖1可知，本文設(shè)計的視覺傳達系統(tǒng)主要包括采集器、數(shù)據(jù)處理模塊和視覺圖形顯示與輸出模塊。其中，數(shù)據(jù)處理模塊中的關(guān)鍵為數(shù)據(jù)傳輸和平面圖形元素融合部分。通過圖形元素采集器采集圖形信息后，采用無線光纖傳輸方式，將獲取的信息傳輸給圖形融合模塊[11]，該模塊通過分析圖形特征，借助多傳感器，按照特定的融合算法對視覺圖形進行處理并輸出，供顯示設(shè)備展示最終圖形。其中，圖形元素融合是系統(tǒng)設(shè)計中非常重要的步驟，需要對其進行詳細分析。

2? 平面圖形元素多維化融合

2.1? 圖形元素多維特征描述子

視覺傳達系統(tǒng)中，平面圖形元素存在多維特征，為有效地完成圖形元素融合，首先采用SIFT特征描述方式提取多維特征，具體流程如圖2所示。

由圖2可知，平面視覺圖形元素多維特征提取中，首先構(gòu)建多維尺度空間，提取每一尺度水平的平面圖形極值點[12?13];其次提取出圖形特征點，并對其進行過濾處理，保證特征點的穩(wěn)定性;然后賦予每個特征點不同的特征描述符，用方向值進行表示;最后生成特征描述子，完成多維特征提取。

2.2? 特征轉(zhuǎn)換矩陣計算

在提取圖形元素的多維特征后，對特征點進行轉(zhuǎn)換矩陣計算，實現(xiàn)特征配準，充分利用圖形元素之間的冗余信息和互補信息，為圖形元素融合提供依據(jù)，提高融合精度。

假設(shè)原始平面圖形元素坐標為（x1，y1），投影后的坐標為（x2，y2），坐標轉(zhuǎn)換過程中的控制參數(shù)為[kx]和[ky]，可表示為：

計算得到式（1）中控制參數(shù)后，可計算出轉(zhuǎn)換矩陣，如下：

根據(jù)式（2）計算出圖形元素特征點對的轉(zhuǎn)換矩陣，即表示實現(xiàn)了圖形元素特征配準。

2.3? 基于窗口的圖形元素融合

完成圖形元素配準后，需要進行圖形元素融合，避免重疊區(qū)域?qū)D形質(zhì)量的影響，使圖形平滑顯示。圖形元素融合的實質(zhì)為對多個元素進行綜合，獲取一個能夠在同一場景中全面、準確展示的圖形[14]。本文視覺傳達系統(tǒng)中，使用多傳感器幫助圖形融合，因此基于窗口完成圖形融合。

在多傳感器的輔助下，基于窗口進行圖形元素融合是將圖形元素劃分為不同的區(qū)域，以“能量”為區(qū)域相似程度度量單位，選取出能量相對較大的圖形像素值作為待融合圖形元素像素值，將兩個甚至更多個圖形元素進行融合[15]。

對原始平面視覺圖形元素進行區(qū)域“能量”劃分，隨機選取兩個原始平面視覺圖形：[Ai，j]，[Bi，j]，假設(shè)[Ai，j]圖形領(lǐng)域的大小范圍為[I，J]，圖形的中心像素點為[i，j]，針對圖形中心像素點的“能量”，可用[I，J]范圍內(nèi)圖形元素綜合像素值的加權(quán)平均值[WAi，j]表示，如下：

為保證圖形元素融合結(jié)果的準確性，采用概率的方法對融合結(jié)果進行一致性檢驗，若檢驗結(jié)果表明至少有75%的像素來自于某一原始圖形，那么就可以使用該原始圖形的像素值表示融合圖形;若概率低于75%，則不對融合結(jié)果進行調(diào)整。

3? 實驗結(jié)果與分析

為了驗證本文所提方法的有效性，進行仿真實驗分析，使用多傳感器幫助實現(xiàn)了視覺傳達系統(tǒng)平面圖形元素融合，在實驗分析中利用Toblbox標定工具校準傳感器參數(shù)，用等效焦距代替?zhèn)鞲衅魉胶痛怪狈较虻慕咕?。本實驗在Matlab環(huán)境下開展，采集的原始圖形分辨率均為620像素×460像素，操作系統(tǒng)為Windows 10，編程語言為C++ 6.0。選取兩張圖形作為實驗原始圖形，利用本文方法對其進行融合，融合后的結(jié)果如圖3所示。

根據(jù)圖3可以看出，利用本文方法融合后的圖形質(zhì)量較好，融合效果也好。為了充分體現(xiàn)本文方法的優(yōu)勢，對本文算法與文獻[6?7]方法的融合時間進行對比，結(jié)果如表1所示。

由表1可以看出，三種方法的融合時間均隨圖形數(shù)量的增加而增加。本文算法的最高融合時間為9 s，文獻[6]為30 s，文獻[7]為31 s，文獻方法明顯高于本文方法，表明本文方法能夠快速完成圖形元素融合。原因是本文方法先計算轉(zhuǎn)換矩陣，再進行圖形元素特征配準，完成圖形元素融合，提高了融合效率。

4? 結(jié)? 論

本文提出視覺傳達系統(tǒng)平面圖形元素多維化融合方法，給出視覺傳達系統(tǒng)框架，重點分析了圖形元素融合過程，并通過實驗驗證了所提方法的性能。結(jié)果表明，本文方法的融合效果較好，且融合時間短。

參考文獻

[1] 王穎，郁梅，應(yīng)宏微，等.基于視差重映射的立體圖像視覺舒適度提升[J].中國圖象圖形學(xué)報，2017，22（4）：452?462.

[2] 姚軍財，劉貴忠.基于圖像內(nèi)容視覺感知的圖像質(zhì)量客觀評價方法[J].物理學(xué)報，2018，67（10）：241?258.

[3] 趙杰，馬玉嬌，劉帥奇.結(jié)合視覺顯著性的圖像去噪優(yōu)化算法[J].計算機科學(xué)，2018，45（2）：312?317.

[4] 戴文戰(zhàn)，潘樹偉，李俊峰.基于人眼視覺特性與自適應(yīng)PCNN的醫(yī)學(xué)圖像融合算法[J].光電子·激光，2017（7）：808?816.

[5] 劉峰，沈同圣，馬新星.交叉雙邊濾波和視覺權(quán)重信息的圖像融合[J].儀器儀表學(xué)報，2017，38（4）：1005?1013.

[6] 張承泓，李范鳴，吳瀅躍.基于視覺顯著性與對比度增強的紅外圖像融合[J].紅外技術(shù)，2017（5）：421?426.

[7] 王烈，羅文，陳俊鴻，等.自適應(yīng)PCNN與信息提取的紅外與可見光圖像融合[J].計算機工程與應(yīng)用，2018，54（4）：192?198.

[8] 榮傳振，賈永興，楊宇，等.增強融合圖像視覺效果的圖像融合方法[J].信號處理，2019，35（3）：327?333.

[9] 傅志中，王雪，李曉峰，等.基于視覺顯著性和NSCT的紅外與可見光圖像融合[J].電子科技大學(xué)學(xué)報，2017，46（2）：357?362.

[10] 張麗娟.視覺傳達下多幀影視圖像特征實時跟蹤仿真[J].計算機仿真，2017，34（9）：179?182.

[11] 谷雨，周陽，任剛，等.結(jié)合最佳縫合線和多分辨率融合的圖像拼接[J].中國圖象圖形學(xué)報，2017，22（6）：842?851.

[12] 丁理想，何川，李書杰，等.基于余弦核函數(shù)的SIFT描述子改進算法[J].圖學(xué)學(xué)報，2017，38（3）：373?381.

[13] 孫雪強，黃旻，張桂峰，等.基于改進SIFT的多光譜圖像匹配算法[J].計算機科學(xué)，2019，46（4）：280?284.

[14] 汪玉美，陳代梅，趙根保.基于目標提取與拉普拉斯變換的紅外和可見光圖像融合算法[J].激光與光電子學(xué)進展，2017（1）：104?112.

[15] 劉杰，謝明，朱瑩瑩.雙層SVM的陰影檢測與基于窗口融合的陰影恢復(fù)[J].計算機工程與應(yīng)用，2017，53（12）：178?184.