[發明專利]一種基于多維數據關聯規則的圖像色彩遷移方法

在審

• 申請號: 201710746803.5
• 申請日: 2017-08-27
• 公開（公告）號: CN107566821A
• 公開（公告）日: 2018-01-09
• 發明（設計）人: 陳冬冬;韓靜;柏連發;張毅
• 申請（專利權）人: 南京理工大學
• 主分類號: H04N9/77
• 分類號: H04N9/77;G06K9/46;G06K9/62;G06T5/00
• 代理公司: 南京理工大學專利中心32203
• 代理人: 朱寶慶

1.一種基于多維數據關聯規則的圖像色彩遷移方法，其特征在于，包括以下步驟：

步驟1，采用多屬性規則約束的Apriori優化算法挖掘目標圖像中的亮度、顏色之間的強關聯規則集，并在強關聯規則集中引入類別標簽元素最終生成亮度-類別-顏色強關聯規則集；

步驟2，提取源圖像中像素的亮度、所屬類別，基于強關聯規則集映射生成每個像素所對應的新的R、G、B顏色分量，生成新的彩色圖。

2.根據權利要求1所述的方法，其特征在于，步驟1包括以下過程：

步驟1.1，尋找與源圖像中每一物體相對應的物體對應目標圖像，物體對應目標圖像組成相應物體的訓練樣本集BLOCK_i，i為物體的索引值；

步驟1.2，對每一訓練樣本集BLOCK_i添加同一類標簽label_i，不同訓練樣本集BLOCK_i添加不同標簽，形成標簽集trainlabel＝[label₁,label₂,...label_i,...,label_n]，n為物體的數量；

步驟1.3，提取每一訓練樣本集BLOCK_i中所有物體對應目標圖像的的特征集{hog，均值，方差，同質性，熵}；

步驟1.4，選取最合適的圖像特征集T作為分類數據traindata＝[T(BLOCK₁),T(BLOCK₂),...,T(BLOCK_i),...T(BLOCK_n)]；

(選取能夠讓分類效果最好的圖像特征集)

步驟1.5，生成SVM分類器model

model＝svmtrain(trainlabel,traindata,'-s 0 -t 2')

步驟1.6，提取訓練樣本集BLOCK_i中每個像素的亮度y和顏色分量R、G、B，將y、R、G、B分量進行區間化，建立對應的事務數據庫database；

步驟1.7，基于多屬性規則約束的Apriori優化算法實現色彩遷移的唯一性。

3.根據權利要求2所述的方法，其特征在于，步驟1.7包括以下步驟：

步驟1.7.1，設定支持度support和置信度confidence；

步驟1.7.2，利用式(4)(5)不斷地通過連接、剪枝過濾掉不滿足支持度參數要求的無用項集，生成頻繁4-項項集

Support(A⇒B)=P(A∪B)---(4)]]>

Support(A⇒B)≥s---(5)]]>

步驟1.7.3，利用式(6)(7)，過濾掉置信度低于Confidence的關聯規則，余下關聯規則組成待約束的強關聯規則集

Confidence(A⇒B)=P(B/A)---(6)]]>

Confidence(A⇒B)≥c---(7)]]>

步驟1.7.4，根據確定的y、R、B、G分量的區間，結合式(8)對待約束強關聯規則集做進一步約束，生成符合條件的“亮度-顏色”初始強關聯規則集

A∈[a1,a2],B∈[b1,b2](8)

a1、a2分別是關聯規則左側元素的區間取值范圍、b1、b2分別是關聯規則右側元素的區間取值范圍；

步驟1.7.5，在“亮度-顏色”初始強關聯規則集中加入類別標簽label形成“亮度-類別-顏色”強關聯規則集；

步驟1.7.6，將不同的物體對應目標圖像對應的強關聯規則集組成生成待搜索強關聯規則集。

4.根據權利要求3所述的方法，其特征在于，步驟2的具體過程在于：

步驟2.1，在源圖像中選擇移動窗口，基于訓練好的SVM分類器model對移動窗口內的圖像進行分類，并將類別標簽賦值給左上角像素；

步驟2.2，遍歷整幅源圖像中的每一個像素，根據得到的源圖像中每個像素的類別標簽和對應的亮度值生成“亮度-類別”待映射集；

步驟2.3，待映射集在待搜索強關聯規則集中一一搜索映射，賦予對應的R、G、B顏色分量值，最后生成源圖像的色彩遷移效果圖。