基于视觉传达特征的艺术品颜色分拣方法优化研究

丰硕

摘要：本文提出了一种基于视觉传达的艺术品颜色分拣方法，针对传统艺术品颜色视觉分析方法做出了改进，围绕颜色视觉特征表达能力、颜色特征分拣辨识能力两个层面进行系统优化。仿真结果表明，该方法可有效增强艺术品颜色分拣的精度，有助于系统提升艺术品三维重构与自动分拣能力。

关键词：视觉传达;艺术品分拣;颜色特征

中图分类号：J524;TP391 41

文献标识码：A

文章编号：1005-5312 （2020） 03-0177-01

一、引言

采用基于视觉传达的三维图形处理技术可自动提取出艺术品的颜色特征分割与纹理信息特征，对艺术品图像信息进行RGB颜色特征分解，实现艺术品视觉传达图像的三维重构，配合色彩视觉分析方法完成不同颜色艺术品的分拣，提升艺术品分拣效率与鉴定精度，实现对艺术品自动分拣工艺的显著优化。

二、艺术品颜色视觉分析方法

（一）艺术品视觉图像特征提取

在图像采集与信息处理方面，采用基于图像轮廓的三维重建方法、三维稀疏散乱点集的直接三角剖分方法、重复纹理区域特征跟踪匹配方法，完成艺术品视觉传达图像特征分析模型的建立，生成颜色视觉特征点集，从中提取出三维关键特征点.选取显著性检验方法重新构建艺术品的纹理表面，并结合角点检测方法、相对尺度分解方法完成对艺术品视觉图像颜色分量的分解与检测。其特征分解函数为：

（二）艺术品图像颜色特征分解

将三维模型的边缘点判定为艺术品视觉传达图像颜色特征点，经由模糊聚类处理后进行体素特征分割，针对量化处理后的艺术品表面进行纹理信息检测，分别采用稀疏线性规划方法与加权特征分割方法生成图像颜色特征分布函数，表现为：

Data（x，y，d（x，y））=|u（x，u）-u（x，y）|2

接下来基于RANSAC算法、LucasKanade图像完成艺术品视觉传达图像点云数据的预测与信息融合处理，获得艺术品视觉传达图像颜色特征的稀疏分解过程，借此生成艺术品颜色分拣能力。

三、基于视觉传达特征的艺术品颜色分拣方法优化策略探讨

（一）颜色视觉特征表达能力的优化

基于视觉传达特征进行艺术品颜色分拣方法的优化设计，在颜色特征提取方法的基础上配合稀疏散乱点重组方法，在搜索半径范围内进行艺术品图像的分块切割，提取出纹理特征信息、输出纹理特征分量。随后将角点检测方法与三维模型边缘特征检测方法相结合，寻求到网格模型匹配点，并建立统计形状模型，生成艺术品图像的颜色视觉的相邻像素集。接下来采用相对尺度分解法进行颜色空间的增强处理，生成颜色分量的RGB分解结果，表现为：

通过运用角点检测方法与三维模型边缘特征检测方法，可有效提升纹理填充数量、实现自动渲染，进一步增强艺术品图像的颜色视觉特征表达能力。

（二）颜色特征分拣辨识能力的优化

在艺术品视觉特征提取与均衡化处理方面，采用全局配置方法进行颜色均衡处理，生成与背景区分度较大的图形子块，完成颜色分拣控制参数的设计。在运用角点检测与三维模型边缘特征检测方法后，可实现对颜色分拣的纹理填充，经由点云特征自动提取与分解后，建立艺术品视觉传达图像的像素序列分布矩阵，以概率权重为基准筛选出特征分量进行二值拟合，即可获取到顏色分拣的属性分类结果。在完成特征线提取、特征线分割的基础上，生成极端视角变化分布结果。其表达式分别为：

利用以上模型重新建构艺术品视觉传达图像的轮廓，采用全局配置方法完成艺术品视觉特征的采样与颜色的均衡处理，配合运用模糊聚类方法进行颜色特征分拣，进一步提升艺术品的颜色特征分拣辨识能力。

（三）仿真结果分析

为检验基于视觉传达特征的艺术品颜色分拣方法的优化效果与实际分拣性能，拟采用MATLAB软件进行仿真试验，在完成试验参数设计的基础上，采用稀疏散乱点重组方法、纹理跟踪匹配方法进行艺术品图像颜色特征区域的分割与融合处理，生成艺术品视觉传达与三维重构仿真结果，其中先验点数为432个，用时为1. 232s，误分率为0.094。通过观察优化后的待分拣艺术品仿真结果可以发现，采用该方法可提升对艺术品的三维重构效果，输出的纹理像素级较高，具备良好的信息表达能力①。

四、结语

本文针对艺术品颜色特征分拣方法进行了系统优化，可有效提升艺术品图像的颜色视觉特征表达能力与颜色特征分拣辨识能力，为艺术品分拣与鉴定工作提供了重要的技术支持。

注释：

①郑永涛，叶仕通，张钊，基于颜色识别的智能搬运机器人的设计[J].电子设计工程，2017 （10）：78-80.