用于智能手绘输入的基于速度特征的笔划分割方法

用于智能手绘输入的基于速度特征的笔划分割方法
【专利摘要】本发明提出了一种用于智能手绘输入的基于速度特征的笔划分割方法，提取输入的有效笔划的采样点，将有效笔划分为常速笔划和近匀速笔划，针对常速笔划采用三线阈值来判断速度分割点，而针对近匀速笔划，先通过滤波锐化处理，减少采样点个数并增强速度曲线峰值特征，从而将近匀速笔划转化为常速笔划，再按照上述常速笔划的方式进行处理，最后进行转换。本发明能够有效的避免了算法对笔划噪声敏感的问题，相比于现有的Sezgin算法，本发明具有较好的判断正确性。
【专利说明】用于智能手绘输入的基于速度特征的笔划分割方法
【技术领域】
[0001]本发明涉及一种基于速度特征的手绘图笔划分割的方法，用于智能手绘输入设备，如手写板、智能手机等手绘输入设备。
【背景技术】
[0002]手绘图是人类一种自然而直接的思维和交流方式，基于手绘图的新一代Post-WMP用户交互界面的引入，向人类提出了新的挑战。基于手绘图人机交互技术较完整的定义是:用户使用粗略几何形状对其意图模糊逼近的一种图形交互输入方式。用户输入的随意性使得采用手绘图方法能够快速表达创造性思维，但草图信息的模糊性导致手绘图与用户的设计意图存在一定的偏差，这就给计算机解释手绘图带来了很大困难。草图识别的目标是在用户绘制约束最小的情况下达到最佳识别效率和效果。目前，在由2D草图重建3D模型的领域中，草图解释方面一般均采用基于基本线元的手绘图识别方法。该方法解决了图形描述的唯一性问题，包含笔划分割、图形分类、识别、拟合、规整等步骤，其中笔划分割是影响识别效果的关键步骤。
[0003]笔划分割技术经过了长期的研究已有很多的研究成果，但主要源于图像处理领域或由此演变而来，现有速度特征提取Sezgin算法一般采用基于平均值的方法，以速度平均值的90%作为阈值，将低于阈值的速度曲线分组，在各组中以速度值最小点作为速度特征点。该方法在一定程度上解决了速度特征的提取问题，但仍存在许多不足:局部噪声可能导致分组错误，阈值相对固定可能导致算法对笔划噪声敏感，绘图速度较均匀时特征提取失效。

【发明内容】

[0004]技术方案
[0005]本发明的技术方案为:
[0006]所述一种用于智能手绘输入的基于速度特征的笔划分割方法，其特征在于:对接收到的有效输入笔划提取N个采样点，采样点包含笔划起点和笔划终点，相邻采样点的间隔时间不小于S ;分别获取各个采样点的瞬时速度，并计算所有N个采样点的瞬时速度的平均值F ;若采样点个数与笔划长度L的比值不大于ξ max且F大于Vmax，则将该有效输入笔划标记为常速笔划，否则标记为近匀速笔划；
[0007]对于常速笔划，采用以下步骤确定速度分割点:
[0008]步骤1:根据采样点的瞬时速度在坐标系中建立速度曲线，所述速度曲线由各个采样点按照采样顺序将各自对应的瞬时速度依次相连得到，其中坐标系的纵坐标为瞬时速度值；
[0009]步骤2:将瞬时速度大于或等于P的采样点标记为高速点，计算高速点相对^的偏
,
【权利要求】
1.一种用于智能手绘输入的基于速度特征的笔划分割方法，其特征在于:对接收到的有效输入笔划提取N个采样点，采样点包含笔划起点和笔划终点，相邻采样点的间隔时间不小于S ;分别获取各个采样点的瞬时速度，并计算所有N个采样点的瞬时速度的平均值V;若采样点个数与笔划长度L的比值不大于ξ max且F大于Vmax，则将该有效输入笔划标记为常速笔划，否则标记为近匀速笔划； 对于常速笔划，采用以下步骤确定速度分割点: 步骤1:根据采样点的瞬时速度在坐标系中建立速度曲线，所述速度曲线由各个采样点按照采样顺序将各自对应的瞬时速度依次相连得到，其中坐标系的纵坐标为瞬时速度值； 步骤2:将瞬时速度大于或等于F的采样点标记为高速点，计算高速点相对F的偏差
2.根据权利要求1所述一种用于智能手绘输入的基于速度特征的笔划分割方法，其特征在于:N不小于5。
3.根据权利要求2所述一种用于智能手绘输入的基于速度特征的笔划分割方法，其特征在于:S为0.015s。
4.根据权利要求3所述一种用于智能手绘输入的基于速度特征的笔划分割方法，其特征在于:ξ max取值不大于0.2, Vmax不小于200mm/s。
5.根据权利要求3或4所述一种用于智能手绘输入的基于速度特征的笔划分割方法，其特征在于:K为不小于3的整数。
【文档编号】G06F3/041GK103902100SQ201410128457
【公开日】2014年7月2日 申请日期:2014年4月1日 优先权日:2014年4月1日
【发明者】王淑侠, 王关峰, 王守霞, 唐涛, 康文科, 高满屯 申请人:西北工业大学