本发明专利技术提供一种面向触摸屏手绘图像的质量评价装置及其评价方法，方法过程是：提取模板手绘图的主体图，去除图片多余的空白，对手绘图进行去噪处理，将灰度值小于某个阈值的像素点过滤掉，然后提取调整主体图的长宽比，使得与模板图的主体图一致，构造图片空间金字塔，提取金字塔中每层图片的HOG特征，将所有层的HOG特征连接起来作为该图片的特征，将用户手绘图的特征与模板图的特征进行相对应层的距离计算，并将计算的结果作为学习排序模型的输入，通过学习，最后得到排序模型利用图片的排序值，分别计算该类图片下的各个分数的高斯模型，用该评分模型对待评分的图片进行评估分数。
【技术实现步骤摘要】
本专利技术设及图像处理领域，更具体地，设及一种面向触摸屏手绘图像的质量评价 装置及其评价方法。
技术介绍
随着移动设备的广泛应用，运行在运些设备上的应用种类也越来越丰富。现在有 来自一个绘图应用的实际需求，用户根据提供的模板线条图进行临摹，该应用需对用户的 临摹图进行评估，并给出个分数，从而引导用户学画画。此类应用属于计算机辅助教学，属 于人机交互的范畴。 图片质量评估技术，设及到模式识别和图像处理、人工智能、计算机等学科;也设 及绘画学，认知屯、理学，生物学等，是一口综合性很强的技术。近年来，计算机辅助学习技术 的研究已开始出现，取得了很大的进步，但图片质量评估技术却十分少见。现有的技术方案 中并没有直接提供图片分数评估技术。
技术实现思路
本专利技术提供一种面向触摸屏手绘图像的质量评价方法，该方法基于学习排序的图 片评分模型，可对用户的手绘图进行评价并给出分数。 该专利技术的又一目的在于提供一种面向触摸屏手绘图像的质量评价装置。 为解决上述技术问题，本专利技术的技术方案如下： -种面向触摸屏手绘图像的质量评价装置，包括手绘图像样本采集模块和手绘图 像的质量评价模块；[000引手绘图像样本采集模块，采用移动终端触摸屏作为用户接口，用于对手绘图像进 行样本采集、表达、分类及标注； 手绘图像的质量评价模块，用于对手绘图像样本采集模块处理后的图像进行评 价。 -种面向触摸屏手绘图像的质量评价方法，手绘图像的质量评价模块对手绘图像 样本采集模块处理后的图像进行评价，包括W下步骤： SI:预处理，将模板手绘图像转化成灰度图像，并在模板手绘图像中提取出主体 图，并调整主体图的长宽比，使得与模板手绘图像一致，调整后的主体图居中显示； S2:特征提取，构造调整后的主体图空间金字塔，提取金字塔中每层图像的册G特 征，将所有层的册G特征连接起来作为该原始的手绘图像的特征； S3:将用户手绘图像的特征与模板手绘图像的特征进行相对应层的距离计算，并 将计算的结果和图像分数标签作为学习排序模型的输入，通过学习，最后得到用户手绘图 像排序模型； S4:利用用户手绘图像的排序值，分别计算该类图像下的各个评价分数的高斯模 型； S5:利用高斯模型对待评分的用户手绘图像进行评估分数。 进一步地，所述步骤Sl包括模板手绘图像的主体图提取，去噪处理，调整长宽比， 具体操作如下： 提取模板手绘图像的主体图，去除图片多余的空白；去噪处理，将灰度值小于某个 阔值的像素点过滤掉;调整主体图的长宽比，使得与模板手绘图像一致，并使调整后的主体 图居中显示。 进一步地，所述步骤S2的具体过程如下： 对整后的主体图进行有限次的尺度取样，取样时先进行高斯平滑，每一层的分辨 率都是下一层的1/4，随后，在图像每一层金字塔上计算HOG特征，在图像每一层金字塔上计 算册G特征时，使册G特征中单元方格的大小自适应，让每个方格的大小跟图片的分辨率大 小成正比，保证不同大小的图片划分的单元方格的数量是相同的；将每一层的特征连接起 来，得到特征I =(山，…，lLn)，ILn为金字塔上第Ln层的特征。 进一步地，所述步骤S3-S4具体过程如下： 1)构造特征映射：[002^ 巧（T，I) = (di却Ti.i，！U)，disl(T。，I。)，...，山如Ti」，，Ii,,) > 其中，T为模板手绘图像的特征，I为用户手绘图像的特征，dist为卡方距离函数， W该特征映射作为Ranking SVM的输入学习得到排序模型f (X); 2)根据训练得到的排序模型f (X)，计算出所有手绘图的排序值，然后利用图像的 排序值，分别计算同类图像下的各个评价分数的高斯模型，即计算得出排序值的均值和方 差D 进一步地，所述步骤S3中学习排序模型的模型学习具体操作如下： 对于一个待评分的手绘图X，首先计算其排序值，然后根据对应类别下的各个评价 分数高斯模型，找出使该排序值概率最大的高斯模型，预测的该待评分的手绘图X的分数即 为该高斯模型代表的分数， 5 二过rg max (妍"1 (少％ [巧，//J)，...，供"。(/，[伊"，//J')) 打[002引其中，S为图片的预测分数，n为该类图片下的第n个高斯模型，y为待打分的手绘图 的排序值，0和4为高斯模型的参数。 与现有技术相比，本专利技术技术方案的有益效果是： 本专利技术方法提取模板手绘图的主体图，去除图片多余的空白，对手绘图进行去噪 处理，将灰度值小于某个阔值的像素点过滤掉，然后提取调整主体图的长宽比，使得与模板 图的主体图一致，构造图片空间金字塔，提取金字塔中每层图片的HOG特征，将所有层的HOG 特征连接起来作为该图片的特征，将用户手绘图的特征与模板图的特征进行相对应层的距 离计算，并将计算的结果作为学习排序模型的输入，通过学习，最后得到排序模型利用图片 的排序值，分别计算该类图片下的各个分数的高斯模型，用该评分模型对待评分的图片进 行评估分数。【附图说明】 图1为实施例1中本专利技术装置的示意图； 图2为实施例2中本专利技术方法的流程图。【具体实施方式】 附图仅用于示例性说明，不能理解为对本专利的限制； 为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品 的尺寸； 对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可W理解 的。 下面结合附图和实施例对本专利技术的技术方案做进一步的说明。 实施例1 如图1所示，一种面向触摸屏手绘图像的质量评价装置，包括手绘图像样本采集 模块和手绘图像的质量评价模块； 手绘图像样本采集模块，包括图片采集模块及预处理模块，采用移动终端触摸屏 作为用户接口，用于对手绘图像进行样本采集、表达、分类及标注； 手绘图像的质量评价模块，包括多尺度空间特征提取模块、学习排序模块和图片 质量评估模块，用于对手绘图像样本采集模块处理后的图像进行评价。 实施例2如2所示，一种面向触摸屏手绘图像的质量评价方法，包括：[00创 1、预处理 该步骤首先将RGB格式的图片转化成灰度图像。然后对手绘图进行去噪处理，将灰 度值小于某个阔值的像素点过滤掉，运些噪点会影响到我们提取主体图的操作。由于在原 始图像中，用户所画的图的位置并不都是固定不变的，如果直接在原始的图像上提取特征， 即使画出来的图像是完全相同的，其特征也会呈现出很大的差异。运是因为基于HOG的特 征，都会记录图片空间的梯度分布。为了使提取的特征具有平移不变性，我们将在原始的图 片中提取出主体图，并调整主体图的长宽比，使得与模板图一致，调整后的主体图居中显 示。为了方面叙述，作如下设定，下文所说的图片即为经过预处理后的图片。 2、特征提取 (1)该步骤首先构造图片的空间尺度金字塔，每张图片做有限次的尺度取样，取样 时先进行高斯平滑，每一层的分辨率都是下一层的四分之一。随后，在图片每一层金字塔上 计算HOG特征。最后将每一层的特征连接起来，得到特征I = (Ili，…，lLn)，ILn为金字塔上第 Ln层的特征。在本专利技术中，Ln为4。 (2)方向梯度直方图化OG)特征是一种在计算机视觉和图像处理中用来进行物体 检测的特征描述子。其基本思想是，局部目标的表象和形状能够被梯度或边缘的方向密度 分布很好的刻画。图片通常首先被分割成单元本文档来自技高网...
【技术保护点】
一种面向触摸屏手绘图像的质量评价装置，其特征在于，包括手绘图像样本采集模块和手绘图像的质量评价模块；手绘图像样本采集模块，采用移动终端触摸屏作为用户接口，用于对手绘图像进行样本采集、表达、分类及标注；手绘图像的质量评价模块，用于对手绘图像样本采集模块处理后的图像进行评价。
【技术特征摘要】
【专利技术属性】
技术研发人员：温雯，傅自豪，郝志锋，蔡瑞初，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。