一种基于绘画速度的笔划线条全局聚类方法技术

一种基于绘画速度的笔划线条全局聚类方法，能够利用绘画快慢信息准确地完成线画图线条的全局聚类，主要包括以下步骤：首先,计算线条之间的空间距离；其次，计算线条之间的用时长短差异；然后，构建线条的速度‑空间关联矩阵；最后，通过谱聚类方法实现线条的全局聚类，将用户输入的线条划分为在空间和时间上较为相近的若干组。本发明专利技术方法能够准确地完成复杂线画图的线条聚类，聚类结果更能反映绘画者的创作意图。

A Global Clustering Method for Stroke Lines Based on Painting Speed

【技术实现步骤摘要】
一种基于绘画速度的笔划线条全局聚类方法
本专利技术涉及一种利用计算机技术的基于绘画速度的笔划线条全局聚类方法，能够利用绘画快慢信息准确地完成线画图线条的全局聚类。
技术介绍
线画图是一种简洁、高效的设计与创作手段，广泛应用于工业设计和艺术创作的视觉意图表达。相较于使用纸笔作为记录工具的线画图创作过程，绘画者借助数位板将每一条笔划记录并传输到计算机中，方便绘画者对线画图的存储和修改。绘画者在绘制较为复杂结构的线画图时，常常使用许多重叠线条描绘较为复杂的线画图部分，这导致线画图中线条非常繁杂，绘画者难以进行线画图的精细修改和重用。现有方法为了解决这一问题，通过对线画图区域结构与线条位置进行分析，完成对线画图线条的聚类。尽管该方法能够完成较为复杂线画图的聚类和简化工作，但是由于忽略了线条之间速度差距和空间距离的相关性，导致该方法只能处理较为简单的线画图。绘画者在进行线画图绘制时，在重要的细节处绘画速度较慢，在不是很重要的非细节处绘画速度较快。本文提出一种基于绘画速度的笔划线条全局聚类方法，通过分析绘画者绘制每一笔的用时长短和空间信息相关性，进行线画图的线条全局聚类，能够准确快速的完成线画图的线条聚类工作。相比较现有方法中准确度不高的情况，能够更为准确地完成更为复杂的线画图聚类。
技术实现思路
为了解决现有技术的上述不足，本专利技术提出一种基于绘画速度的笔划线条全局聚类方法，能够准确、快速地进行线画图的线条聚类。本专利技术分析绘画者绘制线条的空间距离信息和速度快慢的相关性，进行线画图线条的全局聚类，能够在确保绘画者绘制意图的前提下完成线画图线条的准确、快速聚类。在本文中有如下符号定义：对于线画图中线条定义为S＝{S1,S2,...,Sn},线条Si上的点集定义为定义所有的笔划起笔时间为Tb＝{tb1,tb2,...,tbn}；定义所有的笔划落笔时间为Te＝{te1,te2,...,ten}；所有笔划的绘画用时为Ts＝Te-Tb＝{t1,t2,...,tn}；Ds(Si,Sj)计算线条Si与Sj间的空间距离，Dt(Si,Sj)计算线条Si与Sj间的用时差距。本专利技术的基于绘画速度的笔划线条全局聚类方法，具体步骤如下：步骤1，对于线画图中任意两线条Si与Sj，计算其空间距离Ds(Si,Sj)＝max(Hausdorff(Si,Sj),Hausdorff(Sj,Si)),对于i≠j时,Hausdorff(Si,Sj)计算线条Si中所有点到Sj最短距离的最大值；i＝j时，Ds(Si,Sj)＝0。然后，利用所有的线条空间距离构建空间距离矩阵Md，即Md是行和列的长度都为n的矩阵，且它的第i行第j列的矩阵元素是Ds(Si,Sj)。步骤2，对于线画图中任意两线条Si与Sj，计算其绘画用时的差距Dt(Si,Sj)＝|ti-tj|；然后利用所有的线条空间距离构建用时距离矩阵Mt，即Mt是行和列的长度都为n的矩阵，且它的第i行第j列的矩阵元素是Dt(Si,Sj)。步骤3，通过Mr＝λMd+(1-λ)Mt构建线条间的速度-空间关联矩阵Mr，其中λ是空间距离矩阵和用时距离矩阵的加权系数。步骤4，对Mr进行谱聚类：首先对速度-空间关联矩阵Mr生成归一化后的拉普拉斯矩阵L，并从L中找到k个最小的特征值以及对应的特征向量Ve，最后根据k-means算法对Ve进行聚类，得到k个线条聚类，从而获取输入线画图的全局聚类结果。本专利技术的技术构思是:基于绘画者在细节处绘画速度较慢，在非细节处绘画速度较快的特点，结合空间距离和用时距离得到线条的速度-空间关联矩阵，从而通过谱聚类得到精确的线条分类。本专利技术的优点在于：通过计算线画图中线条的空间和速度距离，构建速度-空间关联矩阵，借助谱聚类进行相似线条间的聚类；相较于现有方法，本专利技术方法能够准确地完成复杂线画图的线条聚类，聚类结果更能反映绘画者的创作意图。附图说明图1为本专利技术的流程图。图2为本专利技术的输入示意图。图3为本专利技术的聚类结果图，不同灰度的笔划表示不同分类。具体实施方式参照附图，进一步说明本专利技术：基于绘画速度的笔划线条全局聚类方法，对于线画图中线条定义为S＝{S1,S2,...,Sn},线条Si上的点集定义为定义所有的笔划起笔时间为定义所有的笔划落笔时间为Te＝{te1,te2,...,ten}；所有笔划的绘画用时为Ts＝Te-Tb＝{t1,t2,...,tn}；Ds(Si,Sj)计算线条Si与Sj间的空间距离，Dt(Si,Sj)计算线条Si与Sj间的用时差距，具体包括以下步骤：步骤1，对于线画图中任意两线条Si与Sj，计算其空间距离Ds(Si,Sj)＝max(Hausdorff(Si,Sj),Hausdorff(Sj,Si)),其中i≠j时,Hausdorff(Si,Sj)计算线条Si中所有点到Sj最短距离的最大值；i＝j时，Ds(Si,Sj)＝0。利用所有的线条空间距离构建空间距离矩阵Md，即Md是行和列的长度都为n的矩阵，且它的第i行第j列的矩阵元素是Ds(Si,Sj)。步骤2，对于线画图中任意两线条Si与Sj，计算其绘画用时的差距Dt(Si,Sj)＝|ti-tj|；然后利用所有的线条空间距离构建用时距离矩阵Mt，即Mt是行和列的长度都为n的矩阵，且它的第i行第j列的矩阵元素是Dt(Si,Sj)。步骤3，通过Mr＝λMd+(1-λ)Mt构建线条间的速度-空间关联矩阵Mr，其中λ是空间距离矩阵和用时距离矩阵的加权系数。步骤4，对Mr进行谱聚类：首先对速度-空间关联矩阵Mr生成归一化后的拉普拉斯矩阵L，并从L中找到k个最小的特征值以及对应的特征向量Ve，最后根据k-means算法对Ve进行聚类，得到k个线条聚类，从而获取输入线画图的全局聚类结果。目前，笔划线条的聚类是对线画图进行合并简化的前提，现有的笔划线条聚类方法主要依赖于线条之间的局部空间距离，难以较好地反映绘画者的全局绘画意图。本专利技术提出了一种基于绘画速度的笔划线条全局聚类方法，能够利用用时长短信息准确地完成笔划线条的全局聚类。本说明书实施例所述的内容仅仅是对专利技术构思的实现形式的列举，本专利技术的保护范围不应当被视为仅限于实施例所陈述的具体形式，本专利技术的保护范围也及于本领域技术人员根据本专利技术构思所能够想到的等同技术手段。本文档来自技高网...

【技术保护点】
1.基于绘画速度的笔划线条全局聚类方法，对于线画图中线条定义为S＝{S1,S2,...,Sn},线条Si上的点集定义为

【技术特征摘要】
1.基于绘画速度的笔划线条全局聚类方法，对于线画图中线条定义为S＝{S1,S2,...,Sn},线条Si上的点集定义为定义所有的笔划起笔时间为Tb＝{tb1,tb2,...,tbn}；定义所有的笔划落笔时间为Te＝{te1,te2,...,ten}；所有笔划的绘画用时为Ts＝Te-Tb＝{t1,t2,...,tn}；Ds(Si,Sj)计算线条Si与Sj间的空间距离，Dt(Si,Sj)计算线条Si与Sj间的用时差距，具体包括以下步骤：步骤1，对于线画图中任意两线条Si与Sj，计算其空间距离Ds(Si,Sj)＝max(Hausdorff(Si,Sj),Hausdorff(Sj,Si)),其中i≠j时,Hausdorff(Si,Sj)计算线条Si中所有点Pi到Sj最短距离的最大值；i＝j时，Ds(Si,Sj)＝0；利用所有的线条空间距离构建空间距离矩阵Md，即Md是行和列的长度都为n的矩阵，且它的第i行第j...

【专利技术属性】
技术研发人员：王宇航，陈佳舟，陈樟樟，郑佳，秦绪佳，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33