視覺(jué)傳達(dá)系統(tǒng)平面圖形元素多維化融合方法研究

王倩

摘? 要： 現(xiàn)有的視覺(jué)傳達(dá)系統(tǒng)中，圖形元素融合效果不佳，且耗時(shí)較長(zhǎng)。為此，提出一種視覺(jué)傳達(dá)系統(tǒng)平面圖形元素多維化融合方法。設(shè)計(jì)視覺(jué)傳達(dá)系統(tǒng)框架，對(duì)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(guò)計(jì)算特征點(diǎn)對(duì)的轉(zhuǎn)換矩陣，完成圖形元素特征配準(zhǔn);配準(zhǔn)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(shí)現(xiàn)融合處理。實(shí)驗(yàn)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(shí)較短。

關(guān)鍵詞： 圖形元素融合; 視覺(jué)傳達(dá)系統(tǒng); 多維特征提取; 特征匹配; 轉(zhuǎn)換矩陣; 實(shí)驗(yàn)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(jì)算機(jī)媒介快速發(fā)展的背景下，視覺(jué)傳達(dá)技術(shù)憑借其獨(dú)具新穎性的設(shè)計(jì)圖像和語(yǔ)言，逐步應(yīng)用于計(jì)算機(jī)媒介領(lǐng)域，助推媒介的發(fā)展[1?2]。視覺(jué)傳達(dá)技術(shù)實(shí)則為一種通過(guò)視覺(jué)符號(hào)向人們傳輸、展示信息的設(shè)計(jì)活動(dòng)，其視覺(jué)符號(hào)大多情況下采用圖像形式表現(xiàn)。因此，圖像設(shè)計(jì)與處理在視覺(jué)傳達(dá)分析中具有重要的價(jià)值，尤其是圖像融合技術(shù)，對(duì)于視覺(jué)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(jué)圖像融合相關(guān)研究成果，劉峰等人利用視覺(jué)權(quán)重圖進(jìn)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(jì)算視覺(jué)權(quán)重值，綜合權(quán)重值計(jì)算結(jié)果完成圖像融合，但融合質(zhì)量仍需進(jìn)一步提高[5]。張承泓等人基于視覺(jué)顯著性與對(duì)比度增強(qiáng)方式研究圖像融合，先進(jìn)行圖像信息增強(qiáng)處理，再利用NSCT對(duì)圖像進(jìn)行多尺度分解，最后利用視覺(jué)顯著性系數(shù)融合圖像，融合耗時(shí)較長(zhǎng)[6]。王烈等人利用自適應(yīng)PCNN提取圖像信息，通過(guò)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(jì)算過(guò)程較長(zhǎng)[7]。榮傳振等人基于引導(dǎo)濾波器對(duì)紅外圖像進(jìn)行增強(qiáng)，將紅外圖像信息有效地注入可見(jiàn)光圖像中，完成圖像融合，并對(duì)圖像進(jìn)行后處理，增強(qiáng)融合效果，過(guò)程較為復(fù)雜，耗時(shí)長(zhǎng)[8]。傅志中等人對(duì)視覺(jué)顯著性算法做出了改進(jìn)，將改進(jìn)后的算法用于圖像融合，未能很好地改善耗時(shí)問(wèn)題[9]。針對(duì)上述研究方法存在的問(wèn)題，本文提出一種視覺(jué)傳達(dá)系統(tǒng)平面圖形元素多維化融合方法。

1? 視覺(jué)傳達(dá)系統(tǒng)框架

視覺(jué)傳達(dá)系統(tǒng)通過(guò)視覺(jué)圖像的形式將信息傳遞給觀眾，系統(tǒng)運(yùn)行中，需要利用計(jì)算機(jī)對(duì)圖像信息進(jìn)行采集、傳輸、融合等處理，以增強(qiáng)圖像視覺(jué)顯示效果[10]。本文設(shè)計(jì)的視覺(jué)傳達(dá)系統(tǒng)框架如圖1所示。

由圖1可知，本文設(shè)計(jì)的視覺(jué)傳達(dá)系統(tǒng)主要包括采集器、數(shù)據(jù)處理模塊和視覺(jué)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(guò)圖形元素采集器采集圖形信息后，采用無(wú)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(guò)分析圖形特征，借助多傳感器，按照特定的融合算法對(duì)視覺(jué)圖形進(jìn)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(jì)中非常重要的步驟，需要對(duì)其進(jìn)行詳細(xì)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(jué)傳達(dá)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(jué)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(diǎn)[12?13];其次提取出圖形特征點(diǎn)，并對(duì)其進(jìn)行過(guò)濾處理，保證特征點(diǎn)的穩(wěn)定性;然后賦予每個(gè)特征點(diǎn)不同的特征描述符，用方向值進(jìn)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(jì)算

在提取圖形元素的多維特征后，對(duì)特征點(diǎn)進(jìn)行轉(zhuǎn)換矩陣計(jì)算，實(shí)現(xiàn)特征配準(zhǔn)，充分利用圖形元素之間的冗余信息和互補(bǔ)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(biāo)為（x1，y1），投影后的坐標(biāo)為（x2，y2），坐標(biāo)轉(zhuǎn)換過(guò)程中的控制參數(shù)為[kx]和[ky]，可表示為：

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

根據(jù)式（2）計(jì)算出圖形元素特征點(diǎn)對(duì)的轉(zhuǎn)換矩陣，即表示實(shí)現(xiàn)了圖形元素特征配準(zhǔn)。

2.3? 基于窗口的圖形元素融合

完成圖形元素配準(zhǔn)后，需要進(jìn)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(shí)質(zhì)為對(duì)多個(gè)元素進(jìn)行綜合，獲取一個(gè)能夠在同一場(chǎng)景中全面、準(zhǔn)確展示的圖形[14]。本文視覺(jué)傳達(dá)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(jìn)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(duì)較大的圖形像素值作為待融合圖形元素像素值，將兩個(gè)甚至更多個(gè)圖形元素進(jìn)行融合[15]。

對(duì)原始平面視覺(jué)圖形元素進(jìn)行區(qū)域“能量”劃分，隨機(jī)選取兩個(gè)原始平面視覺(jué)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(diǎn)為[i，j]，針對(duì)圖形中心像素點(diǎn)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(zhǔn)確性，采用概率的方法對(duì)融合結(jié)果進(jìn)行一致性檢驗(yàn)，若檢驗(yàn)結(jié)果表明至少有75%的像素來(lái)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(duì)融合結(jié)果進(jìn)行調(diào)整。

3? 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文所提方法的有效性，進(jìn)行仿真實(shí)驗(yàn)分析，使用多傳感器幫助實(shí)現(xiàn)了視覺(jué)傳達(dá)系統(tǒng)平面圖形元素融合，在實(shí)驗(yàn)分析中利用Toblbox標(biāo)定工具校準(zhǔn)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?shí)驗(yàn)在Matlab環(huán)境下開(kāi)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(yǔ)言為C++ 6.0。選取兩張圖形作為實(shí)驗(yàn)原始圖形，利用本文方法對(duì)其進(jìn)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(shì)，對(duì)本文算法與文獻(xiàn)[6?7]方法的融合時(shí)間進(jìn)行對(duì)比，結(jié)果如表1所示。

由表1可以看出，三種方法的融合時(shí)間均隨圖形數(shù)量的增加而增加。本文算法的最高融合時(shí)間為9 s，文獻(xiàn)[6]為30 s，文獻(xiàn)[7]為31 s，文獻(xiàn)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(jì)算轉(zhuǎn)換矩陣，再進(jìn)行圖形元素特征配準(zhǔn)，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(jué)傳達(dá)系統(tǒng)平面圖形元素多維化融合方法，給出視覺(jué)傳達(dá)系統(tǒng)框架，重點(diǎn)分析了圖形元素融合過(guò)程，并通過(guò)實(shí)驗(yàn)驗(yàn)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(shí)間短。

參考文獻(xiàn)

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

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

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

[4] 戴文戰(zhàn)，潘樹(shù)偉，李俊峰.基于人眼視覺(jué)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(jué)權(quán)重信息的圖像融合[J].儀器儀表學(xué)報(bào)，2017，38（4）：1005?1013.

[6] 張承泓，李范鳴，吳瀅躍.基于視覺(jué)顯著性與對(duì)比度增強(qiáng)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(jiàn)光圖像融合[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（4）：192?198.

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

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

[10] 張麗娟.視覺(jué)傳達(dá)下多幀影視圖像特征實(shí)時(shí)跟蹤仿真[J].計(jì)算機(jī)仿真，2017，34（9）：179?182.

[11] 谷雨，周陽(yáng)，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(guó)圖象圖形學(xué)報(bào)，2017，22（6）：842?851.

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

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

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

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