基于色彩印刷符號分析的自動化視覺傳達可視融合系統設計

潘 娜，潘 偉

（1.聊城大學，聊城 252000；2.東北大學 材料科學與工程學院，沈陽 110004）

0 引言

可視融合系統是由服務器、存儲器和網絡組成的高效整合系統。通過對融合系統的研究，可以使服務器、存儲器和網絡形成機架式計算機模式，有效地消除裝配、再集成和優化過程[1]。這一變化使互聯網的應用逐漸向小型化、分布式方向發展，也使各種分布式的設備逐步走向集成。因特網基礎設施也由集中式發展成分布式，從而代表著因特網已經成為可視融合系統的一種主流發展趨勢，因此吸引了越來越多的傳統硬件供應商加入到可視融合系統的開發中，并逐漸應用于各行各業[2]。在計算機媒體迅速發展的今天，視覺傳達技術以其獨特而新穎的設計意象和語言，在計算機媒體領域得到了非常廣泛的應用，推動了計算機媒體的發展[3]。

針對多角色虛擬人物在三維仿真設計過程中存在可視化融合效果差的問題，有關學者提出了基于視覺傳達的多角色虛擬人物三維融合系統設計[4]，使用VegaPrime三維繪制工具，為多角色虛擬人物建立了三維造型模塊，通過仿真虛擬人物所處的虛擬場景，以多角色虛擬人物為基礎，設計了運動算法，實現了多角色虛擬人物、用戶以及三維仿真場景之間的融合，實踐證明，設計的融合系統在可視化融合效果方面具有更好的性能；為了解決傳統公交系統視覺傳達設計系統中信息識別和信息傳遞效率低下的問題，基于動態影像的公共交通視覺傳達設計系統在設計過程中[5]，先建立視覺傳達設計系統的總體架構，根據系統結構確定各個數據硬件設備的組成，將動態圖像應用于公交系統的視覺傳達，對視覺傳達軟件的運行主程序進行了詳細的設計，結果表明，王天甲設計的系統與傳統的系統相比，能夠最大限度地實現信息的識別與傳遞。

基于以上研究背景，本文將色彩印刷符號分析應用到了自動化視覺傳達可視融合系統設計中，從而提高系統的整體性能。

1 自動化視覺傳達可視融合系統硬件設計

1.1 自動化視覺傳達可視融合系統架構設計

自動化視覺傳達可視融合系統將隱藏的圖像信息以視覺圖像的形式傳遞給觀眾[6]。系統在運行過程中，需要利用計算機網絡技術采集視覺傳達圖像信息，并對其進行傳輸和融合處理，從而增強視覺傳達圖像在視覺上的顯示效果。自動化視覺傳達可視融合系統架構如圖1所示。

圖1 自動化視覺傳達可視融合系統架構

在圖1的架構圖中可以看出，自動化視覺傳達可視融合系統主要由視覺傳達圖像采集模塊、圖形處理模塊和視覺傳達圖像的顯示輸出模塊組成。在圖形處理模塊中，數據傳輸和圖形元素集成是該模塊最關鍵的組成部分。視覺傳達圖像元素采集器采集到視覺傳達圖像信息之后，通過無線光纖將采集的信息傳輸到圖像融合模塊。在分析視覺傳達圖像特征的基礎上，采用多傳感器技術，根據具體的可視融合算法對視覺傳達圖像進行處理，輸出可視化的視覺傳達圖像，使顯示裝置能夠顯示最終的視覺傳達圖像。圖像元素的集成是自動化視覺傳達可視融合系統設計的重要環節，需要對其進行詳細分析。

1.2 自動化視覺傳達可視融合編碼器設計

自動化視覺傳達可視融合編碼器的結構設計，是整個自動化視覺傳達可視融合系統的重要部分，會對整個系統的性能造成直接性影響。利用編碼器的結構設計，可以更好地實現系統中各個模塊之間的相互協作。自動化視覺傳達可視融合編碼器結構如圖2所示。

圖2 自動化視覺傳達可視融合編碼器結構圖

在系統的頂層結構中，自動化視覺傳達可視融合編碼器分為三個模塊：符號產生模塊、二值算術編碼模塊、碼流打包模塊和一個獨立控制單元。在讀取自動化視覺傳達圖像中的像素信息之后，對自動化視覺傳達圖像進行分層編碼，使三個模塊同時工作。控制單元根據反饋數據對三個模塊進行平衡控制。

基于自動化視覺傳達可視融合系統架構設計，結合自動化視覺傳達可視融合編碼器設計，實現了系統的硬件設計。

2 自動化視覺傳達可視融合系統軟件設計

2.1 提取自動化視覺傳達圖像的多維特征

在自動化視覺傳達系統中，一張圖像往往具有多個維度的特征，通過分析圖像的色彩印刷符號，提取出自動化視覺傳達圖像的多維特征，特征提取流程如圖3所示。

圖3 自動化視覺傳達圖像的多維特征提取流程

自動化視覺傳達圖像的多維特征提取中，首先構造多維尺度空間，在各個尺度層次上提取自動化視覺傳達圖像的極值點；其次提取并濾波自動化視覺傳達圖像的特征點，以保證特征點的穩定性；然后對每一個特征點用一個方向值來表示不同的特征；最后利用所得到的特征描述符提取自動化視覺傳達圖像的多維特征。

2.2 映射自動化視覺傳達圖像的多維信息

將自動化視覺傳達圖像的多維信息映射到二維空間或者三維空間中，引入信息降維處理算法，分析自動化視覺傳達圖像的色彩印刷符號，保證視覺傳達圖像在維度信息上的完整性，實現自動化視覺傳達的多維可視化。基于自動化視覺傳達圖像的多維特征提取，將自動化視覺傳達圖像的冗余維度信息去除，表示為：

其中，m1，m2，…，ma表示自動化視覺傳達圖像的原有變量指標，w1，w2，…，wx表示自動化視覺傳達圖像的新變量指標，下標表示的是原有指標的主成分類別。

根據式(1)的計算結果，可以得到如圖4所示的自組織神經網絡模型。

圖4 自組織神經網絡模型

當輸入信號m與神經元之間的匹配處于最佳狀態時，可以得到：

其中，e表示神經元，ye表示神經元e在穩定狀態下的輸出值，Qe表示權值矢量。

在最佳匹配單元位置f處，得到：

基于以上計算，完成了自動化視覺傳達圖像的多維信息映射。

2.3 自動化視覺傳達可視融合的實現

利用色彩印刷符號分析的方法加載自動化視覺傳達圖像，并對相應的像素空間進行命名，分析XML格式的圖像信息，提取出自動化視覺傳達圖像的像素信息，識別像素信息之后并生成相應的集合，對像素集進行設置屬性處理，完成自動化視覺傳達圖像的色彩印刷符號分析。

自動化視覺傳達圖像的像素信息提取公式為：

其中，P～表示提取到的像素信息，d表示像素信息提取因子，a表示像素信息的提取比例。

自動化視覺傳達圖像的像素信息識別算法為：

其中，f（P）表示識別到的像素信息，g表示像素信息識別參數，sgn()表示像素信息識別的函數表達式。

將識別到的像素信息進行處理，建立一個像素信息集合f（P）={p1，p2，…，pn}，通過設定f（P）的參數，分析自動化視覺傳達圖像的色彩印刷符號。

采用加權融合的方式對自動化視覺傳達圖像進行可視融合，加權融合具有簡便、直觀的特點，加權融合方法的加權系數可以明確反映出自動化視覺傳達圖像在像素信息采集方面的可信度，加權系數設定是否合理，對自動化視覺傳達圖像的加權融合起著決定性作用。

自動化視覺傳達圖像的加權融合公式為：

其中，x表示加權融合處理的加權系數，通常情況下，是根據自動化視覺傳達圖像的像素信息數量進行設定。

綜上所述，通過提取自動化視覺傳達圖像的多維特征，對自動化視覺傳達圖像的多維信息進行映射，通過自動化視覺傳達可視融合程序設計，完成了系統的軟件設計，實現了自動化視覺傳達的可視融合。

3 系統測試分析

為了保證基于色彩印刷符號分析的自動化視覺傳達可視融合系統的有效性，通過設計實驗的方式對本文設計的系統進行驗證。在系統測試過程中，將自動化視覺傳達圖像作為實驗對象，主要是對圖像中的像素信息進行可視融合。為了確保系統測試過程與結果的準確性，引入基于視覺傳達的多角色虛擬人物三維融合系統和基于動態影像的公共交通視覺傳達設計系統與其進行對比，分析實驗結果。系統測試過程中，將基于視覺傳達的多角色虛擬人物三維融合系統和基于動態影像的公共交通視覺傳達設計系統作為對照組，基于色彩印刷符號分析的自動化視覺傳達可視融合系統為實驗組。

3.1 實驗參數設定

為了盡量保證實驗測試結果的準確性，設置了實驗過程中參數，系統測試過程中采用不同的自動化視覺傳達可視融合系統對自動化視覺傳達圖像進行可視融合，必須保證外部環境的一致性。外部環境參數設置情況如表1所示。

表1 實驗參數

3.2 結果與分析

系統測試過程中，主要從融合效率和配準率兩個方面進行測試，結果如下。

三個自動化視覺傳達可視融合系統的融合效率測試結果如圖5所示。

從圖5的結果可以看出，在自動化視覺傳達可視融合效率測試方面，基于色彩印刷符號分析的自動化視覺傳達可視融合系統在對自動化視覺傳達圖像進行可視融合時，自動化視覺傳達可視融合效率達到了80%以上，而基于視覺傳達的多角色虛擬人物三維融合系統和基于動態影像的公共交通視覺傳達設計系統在60%～70%之間，原因是基于色彩印刷符號分析的自動化視覺傳達可視融合系統在設計過程中，利用編碼器的結構設計，可以更好地實現系統中各個模塊之間的相互協作，提高了自動化視覺傳達的可視融合效率。

圖5 自動化視覺傳達可視融合效率測試結果

三個自動化視覺傳達可視融合系統的配準率測試結果如圖6所示。

圖6 自動化視覺傳達可視融合的配準率測試結果

從圖6的結果可以看出，當自動化視覺傳達圖像的像素點個數為100時，基于視覺傳達的多角色虛擬人物三維融合系統和基于動態影像的公共交通視覺傳達設計系統測試得到的自動化視覺傳達可視融合配準率分別為20%和30%，而基于色彩印刷符號分析的自動化視覺傳達可視融合系統為60%，當自動化視覺傳達圖像的像素點個數為200時，基于視覺傳達的多角色虛擬人物三維融合系統和基于動態影像的公共交通視覺傳達設計系統測試得到的自動化視覺傳達可視融合配準率分別為25%和38%，而基于色彩印刷符號分析的自動化視覺傳達可視融合系統為68%，整個測試過程中，基于色彩印刷符號分析的自動化視覺傳達可視融合系統始終優于其他兩

4 結語