基于Markov逻辑网的图像线条画绘制技术研究

图像线条画是对图像的一种稀疏表示。这种稀疏表示可以捕获图像的特征结构信息，为图像分析和理解提供新的平台。研究图像线条画绘制技术不仅具有重要的理论意义，而且具有广阔的应用前景。.本项目主要研究基于Markov逻辑网的图像线条画绘制技术，包括多尺度下图像特征的提取和整合、线条画模型的建立以及模型求解算法的设计。线条画模型由特征关系项和画笔控制项两部分组成。特征关系项包括特征的几何属性、特征与特征间的位置关系以及特征的链接与剔除；画笔控制项主要由画笔的起始位置、行走路径、终止条件等要素组成。研究合理的模型推理算法和快速的权重参数学习算法，使模型的求解更为有效、学习效率更高。同时，研究基于线条画的图像编码技术和图像解析方法，为图像编码和图像解析提供新的思想和方法。

本项目主要研究了基于Markov逻辑网的图像线条画绘制技术，包括图像特征提取与多特征整合、图像线条画模型的建立和线条画绘制以及基于线条画的图像编码和图像解析方法的研究。.在图像特征提取与多特征整合方面，重新定义了Candy模型中的线特征的连接和邻近关系，修正了数据项，得到了改进的Candy模型，研究了模型求解算法RJMCMC。改进后的模型能够较好地提取图像的线特征，加快了计算速度。提出了一种基于路径的相似性度量，设计了新的目标准则函数，形成了基于路径的划分聚类算法，克服了传统的划分聚类算法对空间分布为任意形状的数据集聚类效果较差的缺点。提出了基于对应分析的图像多特征整合方法，将不同特征提取方法提取的图像特征排成待分析的数据矩阵，对数据矩阵计算得分及进行显著性分析，依据显著性获得整合后的图像特征。此方法获得了理想的点特征整合结果。.围绕图像线条画模型的建立和线条画绘制，构建了以正交表提取的图像线特征为初始网络的Markov逻辑网模型，分析了模型的合理性。研究了Markov逻辑网的推理算法，比较了MC-SAT算法、Gibbs-Sampling方法、MaxWalkSAT算法和LazySAT算法的推理性能，给出了LazySAT算法中参数的确定方法。研究了基于最大边缘框架的Markov逻辑网判别式权值学习算法。针对线条画绘制算法，主要是利用边缘跟踪以生成图像的线条画。在边缘跟踪中，提出了基于相异性度量的边缘跟踪算法，以使利用边缘检测算子得到的边缘能够归类、连接；在线条画绘制过程中，引入非均匀B样条对不连续边缘进行插值并使用高斯平滑以获得连续光滑的边缘线条，然后以线条的曲率为依据，生成画笔，实现线条画的绘制。该方法能够迅速快捷地生成较高质量的线条画。.基于线条画的图像编码和图像解析方面，提出了一种基于关系表达的图像编码方法，借助计算几何的理论和算法，通过研究组成线条画的线段间的距离关系、拓扑关系和方向关系，记录线段的属性（如中点位置、长度、倾角）和线段间的关系，实现图像的编码和低位率下的传输，是一种新的图像编码方法。研究了基于线条画的人体运动分析算法，通过对人体运动的分析，实现人的行为监控和运动康复训练。.图像线条画是一种新的图像表示技术，可以捕获图像的特征结构信息，为图像分析和理解提供新的平台。研究图像线条画绘制技术不仅具有重要的理论意义，而且具有广阔的应用前景。.

内容获取失败，请点击重试