[發明專利]圖表轉換方法及裝置

有效

• 申請號: 201710463761.4
• 申請日: 2017-06-16
• 公開（公告）號: CN107221019B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 王家奎;田衛衛;魏星;趙越超;沈重耳
• 申請（專利權）人: 武漢唯理科技有限公司
• 主分類號: G06T11/60
• 分類號: G06T11/60;G06N3/08;G06K9/00
• 代理公司: 深圳市港灣知識產權代理有限公司 44258
• 代理人: 劉向英

本發明公開了一種圖表轉換方法，所述方法包括以下步驟：獲取待轉換靜態圖表的第一像素數據；根據圖表轉換模型對所述第一像素數據進行識別，獲得對應的第一圖表描述數據；根據所述第一圖表描述數據生成相應的矢量圖表。本發明還公開了一種圖表轉換裝置。本發明通過圖表轉換模型對待轉換靜態圖表的第一像素數據進行識別，獲得對應的第一圖表描述數據，再根據所述第一圖表描述數據生成相應的矢量圖表，從而能夠將靜態圖表轉換為矢量圖表。

技術領域

本發明涉及數字圖像處理技術領域，尤其涉及一種圖表轉換方法及裝置。

背景技術

圖表作為數據和信息的主要傳遞方式，在紙質或者電子出版物上起到了至關重要的作用。相較于文字信息，圖表信息具有更加直觀、更易于理解等特點。然而，網絡或者出版物上的大部分靜態圖表無法進行交互操作，如數據查看、縮放、平移、旋轉等操作，嚴重的妨礙了用戶深入理解圖表及獲取圖表的關鍵信息。若將靜態的圖表轉換為動態交互式圖表，將極大方便用戶從多個角度精確理解圖表信息。

目前尚未有合適的技術能夠做到將靜態圖表轉換為矢量圖表，現有的圖表矢量化技術多立足于對圖表進行描邊、二值化及貝塞爾曲線擬合，因為程序缺乏對圖表具體內容的理解，不可能在缺少人工干預的情況下完全還原矢量圖表的信息。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種圖表轉換方法及裝置，旨在解決現有技術中無法將靜態圖表轉換為矢量圖表的技術問題。

為實現上述目的，本發明提供一種圖表轉換方法，所述方法包括以下步驟：

獲取待轉換靜態圖表的第一像素數據；

根據圖表轉換模型對所述第一像素數據進行識別，獲得對應的第一圖表描述數據；

根據所述第一圖表描述數據生成相應的矢量圖表。

優選地，所述獲取待轉換靜態圖表的第一像素數據之前，所述方法還包括：

獲取若干樣本靜態圖表的第二像素數據以及對應的第二圖表描述數據；

通過所述第二像素數據以及對應的第二圖表描述數據對神經網絡模型進行訓練；

將訓練后的神經網絡模型作為所述圖表轉換模型。

優選地，所述神經網絡模型包括：深度卷積神經網絡層、雙循環神經網絡編碼層和輸出解碼層；

相應地，所述通過所述第二像素數據以及對應的第二圖表描述數據對神經網絡模型進行訓練，具體包括：

通過所述深度卷積神經網絡層從所述第二像素數據中提取視覺特征；

通過所述雙循環神經網絡編碼層對提取的視覺特征進行重新組織與序列化；

通過所述輸出解碼層根據重新組織與序列化后的視覺特征生成對應的預測表述數據；

根據所述第二像素數據和預測表述數據之間的差別對所述神經網絡中的各層參數進行調整，以實現對所述神經網絡模型進行訓練。

優選地，所述深度卷積神經網絡層包括：卷積層和池化層；

相應地，所述通過所述深度卷積神經網絡層從所述第二像素數據中提取視覺特征，具體包括：

通過若干次卷積層和若干次池化層從所述第二像素數據中提取視覺特征。

優選地，所述根據圖表轉換模型對所述第一像素數據進行識別，獲得對應的第一圖表描述數據，具體包括：

通過所述圖表轉換模型中的深度卷積神經網絡層從所述第一像素數據中提取視覺特征；