本发明属于图像处理
技术领域：
，具体涉及一种基于最大似然估计的颜色和谐度预测方法。
背景技术：
：颜色构图在艺术，设计和可视化的视觉应用中至关重要。几个世纪以来，人们一直在提出关于如何使颜色更加和谐的不同理论。随着多媒体技术的发展，大部分应用通常将色轮用作可视化和操纵颜色的用户界面，例如adobe公司推出的生成五色颜色主题的在线网站adobecolorcc，还有一些研究者通过色轮对图像进行重新着色或者颜色替换等应用。这是因为色轮能够将和谐的颜色以位置关系的形式显现出来，例如在色轮中呈180°的两种颜色称为互补色(红-绿)，30°-60°的称为相似色(红－红橙－橙)，小于30°的称为同类色(金黄-柠檬黄)等。然而尽管这种利用位置关系快速寻找和谐配色的方法十分便利，但是在多个不同颜色的颜色主题中寻找一组最为和谐的颜色组合，仅靠色轮是远达不到这种精度和颜色复杂程度的。为了快速解决这类问题，最为简便的方法就是将颜色的和谐程度以数值的方式来衡量，使普通人不需要像设计师一样了解很多专业的知识就能够通过颜色主题对应的和谐度值快速的了解该颜色主题的和谐程度，继而选择最为和谐的配色，大大提升了效率。将颜色的和谐程度通过数值的方式衡量，其最终效果就是能够快速预测任意一组颜色主题的和谐程度。传统的颜色和谐预测方法以通过招募志愿者进行心理学的实验为主，获取对定量颜色组合的评价，并且在cielab颜色空间下通过分析简单的颜色关系，以公式的形式获取颜色组合和评价之间的关系，最后再推广到所有的颜色。这种方法受限于志愿者和颜色组合的数量，导致建立的预测模型往往只对特定的几种颜色符合，同时实验仅对少量简单的颜色关系进行分析，也会严重影响模型的精度。而另外一些研究者通过研究人们对颜色的偏好来推测颜色的和谐，甚至开发了基于用户颜色偏好的颜色主题生成系统。然而这种方法只针对单一用户对颜色的偏好，而颜色的和谐需要符合大众的审美。最近研究人员通过lasso回归的方法训练大型数据集来预测颜色和谐程度，并将此方法用于颜色推荐中。这种方式尽管结果客观，鲁棒性高，然而在预测精度方面并不尽如人意。因此开发出一种准确性能高的预测颜色和谐程度的方法显得迫在眉睫。技术实现要素：本发明针对现有技术的不足，提供了一种基于最大似然估计的颜色和谐度预测方法。本发明方法包括以下步骤：第一部分：分析颜色分布关系1)对在线网站adobecolorcc和colourlovers进行在线爬虫，获取网站中查看人数在10人以上的五色等面积颜色主题以及对应的观看数量和点赞数量。同时将观看数和点赞数以线性回归的方式拟合成颜色主题的和谐度值作为数据集。2)通过整理adobe和colourlovers的数据集，分别绘制单个色块和相邻颜色对的和谐度曲线图。3)通过分析两种曲线图的分布趋势，选择颜色对作为预测和谐度值的重要因素，并应用到第二部分中。第二部分：构建最大似然估计预测框架1)将数据集中所有的五色颜色主题分割成相邻的四种不同的颜色对，并且赋予原本五色颜色主题的和谐度值。2)整理分割后的相邻颜色对，删除颜色重复的颜色对，同时将和谐度值赋给唯一不重复的颜色对，使得该颜色对存在多个颜色对值。3)采用kolmogorov-smirnov检验统计每种颜色对和谐度值的分布情况，并且通过计算概率密度函数dn收敛情况判定数据是否满足分布：其中x是颜色对和谐度值r(i)，fn(x)是x的经验分布函数，f0(x)是x的累积分布函数，是上确界，代表x中最大的值。当dn→0的时候，说明数据符合该分布，否则不符合。3)将确定分布情况的数据进行最大似然估计的计算，得出的最大似然估计值作为相邻颜色对的最终和谐度预测值，该值与颜色对一一对应。4)将颜色对以查找的方式还原到五色颜色主题中，使得一个颜色主题具有四种不同的颜色对和谐度值。5)确定每组颜色主题的分布情况，利用最大似然估计计算颜色主题的预测值，并与数据集中的和谐度值进行对比、6)利用最小二乘法的线性回归优化预测值，缩小同数据集中和谐度值的误差。本发明的有益效果：本发明采用了基于最大似然估计的方法解决颜色和谐度预测的问题，通过对相邻颜色对的颜色关系进行分析，将颜色和谐的概念量化成确定的和谐度数值，并且大幅度提高了结果的精度，降低了预测误差。具体实施方式本发明提供了一种基于最大似然估计的颜色和谐度预测方法。用户可以输入等面积的五种不同颜色的颜色主题，通过本方法预测出该颜色主题的和谐度值来描述其和谐程度。本发明解决其技术问题所采用的技术方案步骤如下：第一部分：分析颜色分布关系1)对在线网站adobecolorcc和colourlovers进行在线爬虫，获取网站中查看人数在10人以上的五色等面积颜色主题以及对应的观看数量和点赞数量。同时将观看数和点赞数以线性回归的方式拟合成颜色主题的和谐度值，与颜色主题一同作为数据集。观看数和点赞数的拟合公式：注：r(hi,vi)为该颜色主题的和谐度值，hi为点赞数，vi为观看数，σ(vi)表示其标准差。2)通过整理adobe和colourlovers的数据集，分别绘制单个色块和相邻颜色对的和谐度曲线图，x轴为间隔为1的颜色色调值(0°-360°)，y轴为该颜色对应的和谐度值。曲线通过宽度为5，σ＝1的高斯滤波器进行卷积去噪。3)通过分析两种曲线图的分布趋势，选择颜色对作为预测和谐度值的重要因素，并应用到第二部分中。第二部分：构建最大似然估计预测框架1)基于第一部分的研究表明在五种不同颜色的颜色主题中，相邻颜色对的颜色关系更能反映颜色的和谐程度。因此将数据集中所有的五色颜色主题分割成相邻的四种不同的颜色对，并且赋予原本五色颜色主题的和谐度值r(i)。2)整理分割后的相邻颜色对，删除颜色重复的颜色对，同时将和谐度值赋给唯一不重复的颜色对，使得该颜色对存在多个颜色对值r(i)＝{r(i,1),r(i,2),…,r(i,n)}，n代表重复颜色对的数量。3)采用kolmogorov-smirnov检验统计每种颜色对和谐度值的分布情况，并且通过计算概率密度函数dn收敛情况判定数据是否满足分布：其中x是颜色对和谐度值r(i)，fn(x)是x的经验分布函数，f0(x)是x的累积分布函数，是上确界，代表x中最大的值。当dn→0的时候，说明数据符合该分布，否则不符合。本实施例在95％的置信空间下将所有分布代入数据中一一检验，结果表明有80％左右的数据符合近似正态分布，15％符合极值分布，5％符合其他分布，例如γ分布、威布尔分布等。3)将确定分布情况的数据进行最大似然估计的计算，以服从正态分布的样本n(μ，σ2)为例：得出的最大似然估计值作为相邻颜色对的最终和谐度预测值，该值与颜色对一一对应。4)将颜色对以查找的方式还原到五色颜色主题中，使得一个颜色主题具有四种不同的颜色对和谐度值。5)确定每组颜色主题的分布情况，利用最大似然估计计算颜色主题的预测值，并与数据集中的和谐度值进行对比。6)利用最小二乘法的线性回归优化预测值，缩小同数据集中和谐度值的误差。最后采用均方误差(mse)和平均绝对误差(mae)的方法来衡量两种数据集，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：颜色和谐度预测结果对比表adobemaeadobemseclmaeclmse最大似然估计法预测结果0.46370.32070.58360.6274lasso预测结果0.51910.44560.66300.6875adobe表示adobecolorcc数据集，cl表示colourlovers数据集。当前第1页12