本发明属于现代美术设计技术领域,尤其涉及一种分析中国传统元素在现代美术设计中的体现系统及方法。
背景技术:
中国传统文化都是中国元素,但中国元素不全等于中国传统文化,还包括中国现代文化。然而,现有分析中国传统元素在现代美术设计中的体现系统中,设计图片数量较大,分类效率低;同时,对设计图风格检索效率低。
综上所述,现有技术存在的问题是:现有分析中国传统元素在现代美术设计中的体现系统中,设计图片数量较大,分类效率低;同时,对设计图风格检索效率低。
现有技术中对现代美术设计图集进行采集过程繁琐,且不能保证现代美术设计图集中图像细节,图像获取的质量较差;现有技术中对于不同风格图像分类速度慢及分类效果差,分类时间长和误差多;现有技术中显示器,不能高质量、高清晰的显示分析中国传统元素在现代美术设计中的体现系统的界面及采集的现代美术设计图集,不利于提高工作进展速度,降低工作效率。
技术实现要素:
针对现有技术存在的问题,本发明提供了一种分析中国传统元素在现代美术设计中的体现系统及方法。
本发明是这样实现的,一种分析中国传统元素在现代美术设计中的体现方法,所述分析中国传统元素在现代美术设计中的体现方法包括:
第一步,利用网络采用改进的brenner算法对现代美术设计图集进行采集;
第二步,利用图像处理软件提取现代美术设计图的特征元素;利用匹配程序将特征元素与传统元素进行匹配;
第三步,利用分类程序采用朴素贝叶斯分类算法对不同风格图像进行分类操作;利用检索程序检测关联的传统元素详细信息;
第四步,利用分析程序分析现代元素与传统元素的特征;
第五步,通过采用模块级联约束式的显示器显示分析中国传统元素在现代美术设计中的体现系统的界面及采集的现代美术设计图集。
进一步,所述第一步中利用网络采用改进的brenner算法对现代美术设计图集进行采集,具体算法为:
进一步,所述第三步中利用分类程序采用朴素贝叶斯分类算法对不同风格图像进行分类操作,具体算法为:
设d是训练对象与其相关联的类标号的集合;每个对象用一个n维属性向量x={x1,x2…xn}表示,描述n个属性a1,a2…an的值;假定原始集合基于n维属性共划分为m个类c1,c2…cm,计算每个类对x的后验概率,并将对象x归属于具有最高后验概率的类;后验概率p(ci|x)的计算公式为:
由于p(ci|x)的计算开销较大,进行类条件独立的假定,给定向量的类标号,并假定属性值有条件的相互独立;p(xi|c)的计算公式为:
其中,p(x1|ci)p(x2|ci)…p(xn|cn)可以容易地由训练对象求算,xk表示x在属性ak上的值;对每个类别ci计算p(x|ci)p(ci);当p(x|ci)p(ci)>p(x|cj)p(cj),1≤j≤m,j≠i成立时,x属于类ci。
进一步,所述第五步中通过采用模块级联约束式的显示器,完成高质量、高清晰的显示分析中国传统元素在现代美术设计中的体现系统的界面及采集的现代美术设计图集,具体方法为:
对于象素宽度为w的显示屏,其每个单元模块宽为wm象素,最大级联数mmax,如果wm×mmax<w,就需要对屏体横向分块,设屏体横向分dv为块,dv为正整数,则每块的宽度wf为:
同时每块的宽度不能超过mmax个驱动模块总的象素宽度,即wf<wm·mmax,由此可得:
本发明的另一目的在于提供一种实现所述分析中国传统元素在现代美术设计中的体现方法的分析中国传统元素在现代美术设计中的体现系统,所述分析中国传统元素在现代美术设计中的体现系统包括:
设计图采集模块,与主控模块连接,用于通过网络采集现代美术设计图集;
主控模块,与设计图采集模块、图像特征提取模块、匹配模块、分类模块、检索模块、分析模块、显示模块连接,用于通过中央处理器控制各个模块正常工作;
图像特征提取模块,与主控模块连接,用于通过图像处理软件提取现代美术设计图的特征元素;
匹配模块,与主控模块连接,用于通过匹配程序将特征元素与传统元素进行匹配;
分类模块,与主控模块连接,用于通过分类程序对不同风格图像进行分类操作;
检索模块,与主控模块连接,用于通过检索程序检测关联的传统元素详细信息;
分析模块,与主控模块连接,用于通过分析程序分析现代元素与传统元素的特征;
显示模块,与主控模块连接,用于通过显示器显示分析中国传统元素在现代美术设计中的体现系统的界面及采集的现代美术设计图集。
本发明的优点及积极效果为:本发明通过分类模块根据图片数量确定图片类别,并按照图片类别对设计图集中的图片进行分类。由于设计图集中的图片不再按照单一的时间顺序进行保存,而是根据图片数量的不同对图片进行分类保存,大大提高设计图的分类效率;同时,通过检索模块采用格拉姆矩阵作为描述图像风格特征的算子,提取给定设计图集的所有训练样本的风格特征并构建图片索引,提取待检测图片的风格特征,查找与待检测图片相似度最高的图片的索引号并根据索引号返回相似图片集,通过这种方法实现对抽象图片的检索,具有方法简单、检索效率高。
本发明利用网络采用改进的brenner算法对现代美术设计图集进行采集,既可以减少采集过程中的计算量,又可以保证现代美术设计图集中图像细节,提高图像质量;利用分类程序采用朴素贝叶斯分类算法对不同风格图像进行分类操作,有效提高不同风格图像分类速度及提升分类效果,有效减少分类时间和误差,提高工作效率;通过采用模块级联约束式的显示器,完成高质量、高清晰的显示分析中国传统元素在现代美术设计中的体现系统的界面及采集的现代美术设计图集,有利于提高工作进展速度,提高工作效率。
附图说明
图1是本发明实施例提供的分析中国传统元素在现代美术设计中的体现方法流程图。
图2是本发明实施例提供的分析中国传统元素在现代美术设计中的体现系统结构框图。
图2中:1、设计图采集模块;2、主控模块;3、图像特征提取模块;4、匹配模块;5、分类模块;6、检索模块;7、分析模块;8、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的分析中国传统元素在现代美术设计中的体现方法,包括以下步骤:
s101,利用网络采用改进的brenner算法对现代美术设计图集进行采集;
s102,利用图像处理软件提取现代美术设计图的特征元素;利用匹配程序将特征元素与传统元素进行匹配;
s103,利用分类程序采用朴素贝叶斯分类算法对不同风格图像进行分类操作;利用检索程序检测关联的传统元素详细信息;
s104,利用分析程序分析现代元素与传统元素的特征;
s105,通过采用模块级联约束式的显示器显示分析中国传统元素在现代美术设计中的体现系统的界面及采集的现代美术设计图集。
步骤s101中,本发明实施例提供的利用网络采用改进的brenner算法对现代美术设计图集进行采集,既可以减少采集过程中的计算量,又可以保证现代美术设计图集中图像细节,提高图像质量,具体算法为:
步骤s103中,本发明实施例提供的利用分类程序采用朴素贝叶斯分类算法对不同风格图像进行分类操作,有效提高不同风格图像分类速度及提升分类效果,有效减少分类时间和误差,提高工作效率;具体算法为:
设d是训练对象与其相关联的类标号的集合;每个对象用一个n维属性向量x={x1,x2…xn}表示,描述n个属性a1,a2…an的值;假定原始集合基于n维属性共划分为m个类c1,c2…cm,计算每个类对x的后验概率,并将对象x归属于具有最高后验概率的类;后验概率p(ci|x)的计算公式为:
由于p(ci|x)的计算开销较大,进行类条件独立的假定,给定向量的类标号,并假定属性值有条件的相互独立;p(xi|c)的计算公式为:
其中,p(x1|ci)p(x2|ci)…p(xn|cn)可以容易地由训练对象求算,xk表示x在属性ak上的值;对每个类别ci计算p(x|ci)p(ci);当p(x|ci)p(ci)>p(x|cj)p(cj),1≤j≤m,j≠i成立时,x属于类ci。
步骤s105中,本发明实施例提供的通过采用模块级联约束式的显示器,完成高质量、高清晰的显示分析中国传统元素在现代美术设计中的体现系统的界面及采集的现代美术设计图集,有利于提高工作进展速度,提高工作效率;具体方法为:
对于象素宽度为w的显示屏,其每个单元模块宽为wm象素,最大级联数mmax,如果wm×mmax<w,就需要对屏体横向分块,设屏体横向分dv为块,dv为正整数,则每块的宽度wf为:
同时每块的宽度不能超过mmax个驱动模块总的象素宽度,即wf<wm·mmax,由此可得:
如图2所示,本发明提供的分析中国传统元素在现代美术设计中的体现系统包括:设计图采集模块1、主控模块2、图像特征提取模块3、匹配模块4、分类模块5、检索模块6、分析模块7、显示模块8。
设计图采集模块1,与主控模块2连接,用于通过网络采集现代美术设计图集;
主控模块2,与设计图采集模块1、图像特征提取模块3、匹配模块4、分类模块5、检索模块6、分析模块7、显示模块8连接,用于通过中央处理器控制各个模块正常工作;
图像特征提取模块3,与主控模块2连接,用于通过图像处理软件提取现代美术设计图的特征元素;
匹配模块4,与主控模块2连接,用于通过匹配程序将特征元素与传统元素进行匹配;
分类模块5,与主控模块2连接,用于通过分类程序对不同风格图像进行分类操作;
检索模块6,与主控模块2连接,用于通过检索程序检测关联的传统元素详细信息;
分析模块7,与主控模块2连接,用于通过分析程序分析现代元素与传统元素的特征;
显示模块8,与主控模块2连接,用于通过显示器显示分析中国传统元素在现代美术设计中的体现系统的界面及采集的现代美术设计图集。
本发明提供的分类模块5分类方法如下:
(1)通过网络采集现代美术设计图集,并获取设计图集中的图片数量;
(2)判断所述图片数量所属的数量阈值区间;
(3)获取预先为所述数量阈值区间设置的多个图片类别,其中,数量阈值区间的上限值越大,其对应的图片类别越多;
(4)按照所述图片类别对所述设计图集中的图片进行分类。
本发明提供的分类方法还包括:
当向所述设计图集中保存图片时,为所述图片添加标签信息。
本发明提供的为所述图片添加标签信息,包括:
调用预先设置的图像检测算法对所述图片进行检测,获得图片特征;
当所述图片特征匹配到目标特征时,识别所述图片属于与所述目标特征对应的目标图片类别;
将所述目标图片类别对应的分类信息作为所述图片的标签信息,添加到所述图片中。
本发明提供的为所述图片添加图片标签信息包括:
接收用户根据所述图片所属的图片类别输入的分类信息;
将所述输入的分类信息作为所述图片的标签信息,添加到所述图片中。
本发明提供的按照所述图片类别对所述设计图集中的图片进行分类,包括:
读取所述设计图集中每一张图片的标签信息;
将所述标签信息与每一种图片类别的分类信息进行匹配,获得每一张图片所属的目标图片类别;
将每一张图片加入所属目标图片类别对应的图片文件夹下。
本发明提供的检索模块6检索方法如下:
1)利用基于theano的框架keras搭建处理平台;
2)大规模图像数据集imagenet上训练一个卷积神经网络vgg-19,并使用给定设计图集的训练样本对vgg-19进行参数微调,得到迁移学习后的卷积神经网络,记为vgg-19-ft;
3)将给定设计图集的训练样本依次输入vgg-19-ft中提取风格特征,并对提取出的风格特征进行降维处理,获得降维风格特征;
4)将提取出的每个训练样本的降维风格特征存储在一个文件中,并根据每个训练样本的图片地址构建图片索引;
5)将待检索图片输入vgg-19-ft中进行风格特征提取,并进行降维处理;
6)通过降维风格特征相似度比较方法,分别计算带检索图片的降维风格特征与图片索引内每个降维风格特征的相似度距离,并将相似度距离最近的降维风格特征所对应的图片的索引号作为结果返回给给定设计图集;
7)根据获得的索引号查找给定设计图集,返回相似图片集。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。