[發明專利]一種基于隱馬爾科夫模型和稀疏表示的分形圖案生成方法及系統

在審

• 申請號: 201710494397.8
• 申請日: 2017-06-26
• 公開（公告）號: CN107330959A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 章立亮
• 申請（專利權）人: 寧德師范學院
• 主分類號: G06T11/60
• 分類號: G06T11/60;G06K9/62
• 代理公司: 福州市景弘專利代理事務所(普通合伙)35219
• 代理人: 徐劍兵,林祥翔

1.一種基于隱馬爾科夫模型和稀疏表示的分形圖案生成方法，其特征在于，包括以下步驟：

通過分形圖案生成技術，基于隱馬爾科夫模型的雙隨機過程生成分形圖案；

利用稀疏表示方法對所述分形圖案提取目標的形狀特征，并根據形狀特征進行分類存儲作為訓練樣本，通過稀疏學習建立類別稀疏字典庫；

獲取手繪草圖為源圖像，對源圖像在類別稀疏字典庫上進行稀疏分解，根據分解所得的稀疏向量，在類別稀疏字典庫中檢索與其匹配的類別稀疏字典；

根據所述源圖像和匹配的類別稀疏字典重構形狀特征，根據重構目標形狀特征重構分形藝術圖案。

2.根據權利要求1所述基于隱馬爾科夫模型和稀疏表示的分形圖案生成方法，其特征在于，所述分形圖案生成技術包括：迭代函數系統、L系統和復動力系統。

3.根據權利要求1所述基于隱馬爾科夫模型和稀疏表示的分形圖案生成方法，其特征在于，所述“通過分形圖案生成技術，基于隱馬爾科夫模型的雙隨機過程生成分形圖案”包括：

將迭代函數系統的映射族為隱馬爾科夫的不可觀測序列，將要生成的分形圖案的形狀和顏色為隱馬爾科夫的可觀測序列，通過自由選擇概率分布，利用隱馬爾科夫的不可觀測序列和可觀測序列控制生成分形圖案；

或在L系統中定義不同的生成規則，將這些生成規則為隱馬爾科夫過程的不可觀測序列，伴隨一個概率分布矩陣控制不可觀測序列的轉移行為，對生成規則中的各種龜形狀態采用隱馬爾科夫的不可觀測序列，伴隨一個概率分布矩陣約束不可觀測序列的顯示屬性，通過可觀測序列和不可觀測序列相互結合生成分形圖案；

或通過反函數將復動力系統轉化為多映射的迭代函數系統，并將多映射為不可觀測的隱馬爾科夫序列，將要生成的分形圖案的形狀和顏色為隱馬爾科夫的可觀測序列，通過自由選擇概率分布，利用隱馬爾科夫的不可觀測序列和可觀測序列控制生成分形圖案。

4.根據權利要求1所述基于隱馬爾科夫模型和稀疏表示的分形圖案生成方法，其特征在于，所述“利用稀疏表示方法對所述分形圖案提取目標的形狀特征，并根據形狀特征進行分類存儲作為訓練樣本，通過稀疏學習建立類別稀疏字典庫”具體包括：

應用組合稀疏表示理論的形態成分分析模型，將所述分形圖案分離為輪廓圖和紋理圖，并分別保存于輪廓庫和紋理庫，對同一分形圖案的輪廓圖和紋理圖通過標注建立關聯，將輪廓庫劃分為若干子庫，將每個子庫的輪廓為訓練樣本，通過稀疏學習對每個字庫建立類別稀疏字典，將所有類別稀疏字典組合成類別稀疏字典庫。

5.根據權利要求4所述基于隱馬爾科夫模型和稀疏表示的分形圖案生成方法，其特征在于，所述“根據所述源圖像和匹配的類別稀疏字典重構形狀特征，根據重構目標形狀特征重構分形藝術圖案”包括：

將所述源圖像在匹配的稀疏字典進行稀疏分解獲得稀疏表示系數，利用稀疏表示系數和對應的類別稀疏字典通過卷積運算得到重構的輪廓圖，并根據重構的輪廓圖通過類別稀疏字典從紋理庫中檢索相應的紋理圖，將重構的輪廓圖和檢索的紋理圖混合疊加得到分形藝術圖案。

6.一種基于隱馬爾科夫模型和稀疏表示的分形圖案生成系統，其特征在于，包括生成模塊、訓練模塊、分解模塊和重構模塊；

所述生成模塊用于通過分形圖案生成技術，基于隱馬爾科夫模型的雙隨機過程生成分形圖案；

所述訓練模塊用于利用稀疏表示方法對所述分形圖案提取目標的形狀特征，并根據形狀特征進行分類存儲作為訓練樣本，通過稀疏學習建立類別稀疏字典庫；

所述分解模塊用于獲取手繪草圖為源圖像，對源圖像在類別稀疏字典庫上進行稀疏分解，根據分解所得的稀疏向量，在類別稀疏字典庫中檢索與其匹配的類別稀疏字典；

所述重構模塊用于根據所述源圖像和匹配的類別稀疏字典重構形狀特征，根據重構目標形狀特征重構分形藝術圖案。

7.根據權利要求6所述基于隱馬爾科夫模型和稀疏表示的分形圖案生成系統，其特征在于，所述分形圖案生成技術包括：迭代函數系統、L系統和復動力系統。