一种数据导向的颜色流形获取方法技术

本发明专利技术涉及一种数据导向的颜色流形获取方法，用以在三维颜色空间内获取最能拟合指定事物图片采样颜色点的一维线或二维面，该方法包括以下步骤：1)获取指定事物的二维图像集合，去除干扰后获取二维图像的采样数据点；2)对采样数据点进行密度估算，建立颜色直方图，选取其表征颜色及对应的表征颜色点；3)通过线形和非线性方法对表征颜色点进行拟合，获最终取一维线或二维面。与现有技术相比，本发明专利技术具有数据降维、直观具体等优点。

A data oriented method for color manifold acquisition

The invention relates to a manifold color oriented data acquisition method, to obtain the most fitting thing specified picture sampling point or line color plane in 3D color space, the method comprises the following steps: 1) a set of two-dimensional images of the thing specified, remove the interference after acquiring a two-dimensional image data; 2) the sampling data points for density estimation, a color histogram, the color characterization and corresponding color; 3) by linear and nonlinear methods to characterize the color point fitting was finally one-dimensional or two-dimensional plane line. Compared with the prior art, the invention has the advantages of data dimension reduction, visual specificity, etc..

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其是涉及一种数据导向的颜色流形获取方法。
技术介绍
流形是局部具有欧几里得空间性质的空间，流形在数学中用于描述几何形体，物理上，经典力学的相空间和构造广义相对论的时空模型的四维伪黎曼流形都是流形的实例。现有的通过颜色流形得到的低维颜色流形保留了事物的主要成分颜色，在颜色选择，改变颜色风格等都有广泛的应用。但是现有的颜色流形产生过程中常常带有数百万个颜色点，数据庞大，处理起来繁复且浪费时间，并且会产生不必要的颜色表征。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种数据降维、直观具体的数据导向的颜色流形获取方法。本专利技术的目的可以通过以下技术方案来实现：一种数据导向的颜色流形获取方法，用以在三维颜色空间内获取最能拟合指定事物图片采样颜色点的一维线或二维面，该方法包括以下步骤：1)获取指定事物的二维图像集合，去除干扰后获取二维图像的采样数据点；2)对采样数据点进行密度估算，建立颜色直方图，选取其表征颜色及对应的表征颜色点；3)通过线形和非线性方法对表征颜色点进行拟合，获最终取一维线或二维面。所述的步骤1)中的去除干扰为去除背景干扰，具体方法如下：将二维图像进行双边滤波模糊化之后，根据CIEDE2000颜色差异判定二维图像中边缘点与其他颜色点是否连通，若连通，则判定该颜色点为背景，进行去除。所述的步骤2)具体包括以下步骤：21)采用RGB颜色空间并将其划分为16*16*16的间隔，建立颜色直方图；22)选取前15％含有最多颜色点的间隔作为表征颜色点。所述的步骤3)中，线形方法包括主成分分析法，非线性方法包括自组织神经网络方法。所述的主成分分析法具体包括以下步骤：计算颜色向量协方差矩阵，进行特征分解得到最大特征值对应的特征向量即为投影向量，进行投影后即得一维线或二维面。所述的自组织神经网络方法具体包括以下步骤：对于给定初始颜色流形，通过神经网络训练使得颜色流形非线性接近表征颜色数据点，最终得到一维线或二维面。与现有技术相比，本专利技术具有以下优点：一、数据降维：通过颜色直方图对颜色进行统计，获取图片中各个颜色对应的密度，选取前15％作为表征颜色，这样将原来百万级别的颜色点降低为只有百级别的数量，大大降低了数据点的数量，便于统计计算。二、直观具体：采用流形的方式将图片的颜色密度在三维空间内展现出来，能够直观的体现图片的颜色分布情况。附图说明图1为本专利技术的方法流程图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。实施例：如图1所示，本方法的目标是通过对指定事物的图像集合采样颜色点，并在三维颜色空间内找到最能拟合这些采样颜色点的一维直(曲)线和二维平(曲)面。由此得到的低维颜色流形保留了事物的主要成分颜色，在颜色选择，改变颜色风格等都有广泛的应用。具体的方法原理可以分为三个部分：数据采集：本方法的输入数据是从网上搜索具体事物(如苹果)得到的二维图像集合。由于得到的图像包含背景，本方法用到一个比较简单的方法去除了背景干扰，在将图像进行双边滤波模糊化之后，根据CIEDE2000颜色差异进行判定两个颜色点是否连通。最后所有和边缘点连通的颜色点被认为是背景。去除背景点之后，从所有数据点中采样几百万个作为输入数据。密度估算：在得到上一步经过采样的数据点作为输入数据之后，将RGB颜色空间划分为16*16*16的间隔，建立颜色直方图，称之为颜色密度，之后取前15％含有最多颜色点的间隔作为颜色点表征，对应的数量为该颜色点的密度，这样从输入的百万数量级压缩到了几百数量级，每个颜色点对应有一个密度值表示该颜色点的重要程度。维度下降：在得到几百个三维空间中颜色点之后，本方法通过线性和非线性的方式得到最能表征原颜色点的一维直(曲)线和二维平(曲)面。线性方法采用了主成分分析法，通过计算颜色向量协方差矩阵，进行特征分解得到最大特征值对应的特征向量即为投影向量。这样找到的直线和平面最大化投影点的方差。非线性方法采用自组织神经网络方法，给定初始颜色流形，通过神经网络训练使得颜色流形非线性接近原始数据点，最终得到一个曲线或者曲面。由于本方法是一种数据导向的方法，所以实验结果很依赖于数据质量，由于所有数据都是从网上得到的，难免存在一些因歧义性而导致的误差，所以，为了提高实验结果，本方法对原始输入图像集合中的图像提取颜色特征并做了聚类，在得到的聚类结果中保留占比最大的类别，去除一些因网络数据不对称导致的误差，为后续颜色流形的生成提高了准确度。本文档来自技高网...

【技术保护点】
一种数据导向的颜色流形获取方法，用以在三维颜色空间内获取最能拟合指定事物图片采样颜色点的一维线或二维面，其特征在于，该方法包括以下步骤：1)获取指定事物的二维图像集合，去除干扰后获取二维图像的采样数据点；2)对采样数据点进行密度估算，建立颜色直方图，选取其表征颜色及对应的表征颜色点；3)通过线形和非线性方法对表征颜色点进行拟合，获最终取一维线或二维面。

【技术特征摘要】
1.一种数据导向的颜色流形获取方法，用以在三维颜色空间内获取最能拟合指定事物图片采样颜色点的一维线或二维面，其特征在于，该方法包括以下步骤：1)获取指定事物的二维图像集合，去除干扰后获取二维图像的采样数据点；2)对采样数据点进行密度估算，建立颜色直方图，选取其表征颜色及对应的表征颜色点；3)通过线形和非线性方法对表征颜色点进行拟合，获最终取一维线或二维面。2.根据权利要求1所述的一种数据导向的颜色流形获取方法，其特征在于，所述的步骤1)中的去除干扰为去除背景干扰，具体方法如下：将二维图像进行双边滤波模糊化之后，根据CIEDE2000颜色差异判定二维图像中边缘点与其他颜色点是否连通，若连通，则判定该颜色点为背景，进行去除。3.根据权利要求1所述的一种数据导向的颜色流形获取方法，其特征在于，所述的步骤2)具...

【专利技术属性】
技术研发人员：盛斌，骆徐圣，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31