本发明属于图像处理
技术领域：
，具体涉及一种基于bp神经网络对颜色和谐度进行预测的方法。
背景技术：
人们对一幅图像的整体感觉往往是靠配色判断的，和谐的配色能够决定图像的整体氛围和创作者想要表达的情感。尽管人们对颜色的感知与自身所处的环境和当地文化相关，但是关于颜色和谐的整体偏好是基本相同的。随着现代色彩学理论的形成，颜色和谐理论逐渐开始发展。色轮的提出将颜色和谐同颜色在色轮中的位置相关联，继而提出了相似色、互补色等和谐的配色。随着颜色和谐理论的研究不断深入，人们逐渐开始通过实验来研究颜色和谐以及颜色偏好。例如通过心理学实验入手，招募志愿者来观察定量的颜色对并给出是否和谐的评价，然后通过研究物理实验中得到的结果来获取影响颜色和谐的因素。然而这种通过实验方式获取的数据来自少数参与者、小范围的颜色和少量的颜色组合，得到的结果有很大的局限性。随着大数据时代的到临，有些学者采用数据驱动的方法，从大型在线网站中提取数据集，通过训练在线主题数据集的lasso回归模型来预测颜色主题的和谐度。虽然这种方法通过大量数据集进行训练，其结果更加适用于一般场景，鲁棒性也更高，然而这种通过lasso回归的方式产生的预测结果的准确度并不能让人满意。因此寻找一种能够以分数的方式准确评价颜色和谐程度的方法具有十分重要的意义。技术实现要素：本发明针对现有技术的不足，提供了一种基于bp神经网络对颜色和谐度进行预测的方法。本发明解决其技术问题所采用的技术方案如下：基于bp神经网络对颜色和谐度进行预测的方法，包含如下步骤：步骤一：输入需要训练的训练集ttrain，以及对应的和谐度分数rtrain。步骤二：在rgb、lab和hsv三种颜色空间下从训练集ttrain中提取颜色特征进行训练，具体包括五种颜色在三种颜色空间下的平均值、标准差、最大值、最小值、极差、中值、众数、颜色矩，以及五种颜色间欧氏距离、相邻颜色的差以及排序后的颜色差。步骤三：设定bp神经网络的基本参数；3-1：确定隐藏层数；3-2：确定隐藏层节点数的数量；3-3：确定学习速率；3-4：确定迭代次数；步骤四：通过交叉验证的方法将训练集按照上一步骤设定的基本参数在bp神经网络中训练，并且输出结果。步骤五：通过验证集验证预测分数和真实分数的误差，比较结果的准确性。步骤六：将需要预测的五色颜色主题t’输入到神经网络中，输出其预测的和谐度分数r’。本发明的有益效果：与之前的方法相比采用了机器学习中bp神经网络的方法，在重新选取颜色特征的基础上对数据集进行训练，和之前的研究相比准确率获得了大幅提高。具体实施方式以下结合具体实施方式对本发明作进一步说明。本实施例的具体步骤是：步骤一：输入需要训练的训练集ttrain，以及对应的和谐度分数rtrain。步骤二：在rgb、lab和hsv三种颜色空间下从ttrain中提取颜色特征进行训练。具体包括五种颜色在三种颜色空间下的平均值、标准差、最大值、最小值、极差(最大值和最小值的差)、中值、众数、颜色矩，以及五种颜色间欧氏距离、相邻颜色的差以及排序后的颜色差。步骤三：设定bp神经网络的基本参数。3-1：隐藏层数：三层bp神经网络能够实现从m维到n维的任何映射。考虑到这一点，为了满足准确性的要求的基础上尽可能减少训练时间，隐藏层数决定为1。3-2：隐藏层节点数的数量：一般来说，隐藏层中节点数量nid的范围由三种方法中的一个来决定，其中nin是输入层中神经元的数量，nout是输出层中神经元的数量，α是从[1,10]中的任意常数：nid＝log2nin3-3：学习速率η：学习速率决定着每一次循环训练中的权值变化量。本发明设置学习速率η＝0.1，确保在较小的时间复杂度下模型的效果最佳。3-4：迭代次数：为了尽可能产生最佳的预测结果，在模型中设置epoch＝15000来迭代特征。为了防止设定的迭代次数过大，本发明设置了确认检查的函数，默认参数check＝6。即在样本的误差曲线连续六次迭代不再下降后训练终止。步骤四：通过交叉验证的方法将训练集按照上一步骤设定的基本参数在bp神经网络中训练，并且输出结果。步骤五：通过验证集验证预测分数和真实分数的误差，比较结果的准确性，激活函数选用sigmoid函数。步骤六：将需要评估的五色颜色主题t’输入到神经网络中，输出其预测的和谐度分数r’。为了说明本实施例的效果，采用均方误差(mse)和平均绝对误差(mae)，以及皮尔逊相关系数r(相关性)的方法来衡量实验结果，并且和通过lasso回归产生的预测结果进行对比。最终的结果如下表所示：表1.颜色和谐度预测结果对比maemserbpnn预测结果0.00860.043896.03％lasso预测结果0.05180.445673.61％综上，本发明通过在线网站的大型数据集进行训练，用户可以输入一组五种不同颜色的颜色主题，最终得到一个区间内的和谐度分数，从而达到量化颜色和谐这一模糊概念的目的，使用户能够通过分数直观的辨别颜色的和谐程度。当前第1页12