基于視覺傳達特征的藝術品顏色分揀方法優(yōu)化研究

豐碩

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

關鍵詞：視覺傳達;藝術品分揀;顏色特征

中圖分類號：J524;TP391 41

文獻標識碼：A

文章編號：1005-5312 （2020） 03-0177-01

一、引言

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

二、藝術品顏色視覺分析方法

（一）藝術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、三維稀疏散亂點集的直接三角剖分方法、重復紋理區(qū)域特征跟蹤匹配方法，完成藝術品視覺傳達圖像特征分析模型的建立，生成顏色視覺特征點集，從中提取出三維關鍵特征點.選取顯著性檢驗方法重新構建藝術品的紋理表面，并結合角點檢測方法、相對尺度分解方法完成對藝術品視覺圖像顏色分量的分解與檢測。其特征分解函數為：

（二）藝術品圖像顏色特征分解

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

Data（x，y，d（x，y））=|u（x，u）-u（x，y）|2

接下來基于RANSAC算法、LucasKanade圖像完成藝術品視覺傳達圖像點云數據的預測與信息融合處理，獲得藝術品視覺傳達圖像顏色特征的稀疏分解過程，借此生成藝術品顏色分揀能力。

三、基于視覺傳達特征的藝術品顏色分揀方法優(yōu)化策略探討

（一）顏色視覺特征表達能力的優(yōu)化

基于視覺傳達特征進行藝術品顏色分揀方法的優(yōu)化設計，在顏色特征提取方法的基礎上配合稀疏散亂點重組方法，在搜索半徑范圍內進行藝術品圖像的分塊切割，提取出紋理特征信息、輸出紋理特征分量。隨后將角點檢測方法與三維模型邊緣特征檢測方法相結合，尋求到網格模型匹配點，并建立統(tǒng)計形狀模型，生成藝術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行顏色空間的增強處理，生成顏色分量的RGB分解結果，表現為：

通過運用角點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量、實現自動渲染，進一步增強藝術品圖像的顏色視覺特征表達能力。

（二）顏色特征分揀辨識能力的優(yōu)化

在藝術品視覺特征提取與均衡化處理方面，采用全局配置方法進行顏色均衡處理，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的設計。在運用角點檢測與三維模型邊緣特征檢測方法后，可實現對顏色分揀的紋理填充，經由點云特征自動提取與分解后，建立藝術品視覺傳達圖像的像素序列分布矩陣，以概率權重為基準篩選出特征分量進行二值擬合，即可獲取到顏色分揀的屬性分類結果。在完成特征線提取、特征線分割的基礎上，生成極端視角變化分布結果。其表達式分別為：

利用以上模型重新建構藝術品視覺傳達圖像的輪廓，采用全局配置方法完成藝術品視覺特征的采樣與顏色的均衡處理，配合運用模糊聚類方法進行顏色特征分揀，進一步提升藝術品的顏色特征分揀辨識能力。

（三）仿真結果分析

為檢驗基于視覺傳達特征的藝術品顏色分揀方法的優(yōu)化效果與實際分揀性能，擬采用MATLAB軟件進行仿真試驗，在完成試驗參數設計的基礎上，采用稀疏散亂點重組方法、紋理跟蹤匹配方法進行藝術品圖像顏色特征區(qū)域的分割與融合處理，生成藝術品視覺傳達與三維重構仿真結果，其中先驗點數為432個，用時為1. 232s，誤分率為0.094。通過觀察優(yōu)化后的待分揀藝術品仿真結果可以發(fā)現，采用該方法可提升對藝術品的三維重構效果，輸出的紋理像素級較高，具備良好的信息表達能力①。

四、結語

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

注釋：

①鄭永濤，葉仕通，張釗，基于顏色識別的智能搬運機器人的設計[J].電子設計工程，2017 （10）：78-80.