【技术实现步骤摘要】
本专利技术涉及智能绘画，具体为基于图像特征点识别自动绘制的ai智能绘画系统。
技术介绍
1、现有智能绘画系统利用绘画专家设计的规则和模板进行模拟绘画，这些规则和模板包括绘画的指导原则、绘画技巧、特定风格的模板，然而，现有的智能绘画系统在绘画质量和绘画风格上存在弊端。
2、一方面，现有智能绘画系统往往局限于绘画专家设计的规则中，对专业艺术家或设计师的知识和经验有较高的依赖性，普通人员难以操作；
3、另一方面，现有的智能绘画系统往往会根据特定风格的模板进行图片绘制，无法满足用户的人性化需求。
技术实现思路
1、本专利技术的目的在于一种基于图像特征点识别自动绘制的ai智能绘画系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：基于图像特征点识别自动绘制的ai智能绘画系统，其包括数据收集模块、数据处理模块、模型生成模块和绘画生成模块，其中：
3、所述数据收集模块用于收集各种艺术风格图片和接收用户定制需求，并将图片数据和需求发送给数据处理模块；
4、所述数据处理模块用于对图片数据进行特征提取和标签处理，并将训练数据和待绘制图片分别发送给模型生成模块和绘画生成模块；
5、所述模型生成模块根据训练数据利用机器学习算法来训练模型，将训练好的模型发送给绘画生成模块；
6、所述绘画生成模块利用训练好的模型和待绘制图片数据对图片进行风格转换。
7、作为本技术方案的进一步改进
8、作为本技术方案的进一步改进，所述数据处理模块包括数据存储单元、特征处理单元和标签处理单元，所述数据存储单元用于储存图片收集单元收集的不同艺术风格图片，并将图片数据发送给特征处理单元进行特征处理；所述特征处理单元用于提取图片的特征点和特征描述子作为特征列；所述标签处理单元用于将图片数据的标签列转换为数值类型。
9、作为本技术方案的进一步改进，所述模型生成模块包括数据拆分单元、模型训练单元、模型评估单元和模型调优单元，所述数据拆分单元接收标签处理单元发送的图片数据，用于将数据集的特征和标签分割开来，并将特征数据和标签数据的百分之八十作为训练集，百分之二十作为测试集，将训练集发送给模型训练单元，将测试集发送给模型评估单元；所述模型训练单元使用机器学习算法中的生成对抗网络模型根据训练集进行模型训练，并将训练好的模型发送给模型评估单元；所述模型评估单元接收数据拆分单元和模型训练单元分别发送的测试集和模型，用于计算模型在测试集上的准确率，其中：
10、准确率≥百分之90时，所述模型评估单元将模型发送给绘画生成模块中的风格迁移单元；
11、准确率＜百分之90时，所述模型评估单元将模型发送给模型调优单元进行调优；所述模型调优单元接收模型评估单元发送的模型，用于调整模型中的参数。
12、作为本技术方案的进一步改进，所述绘画生成模块包括风格迁移单元和图像重建单元，所述风格迁移单元接收特征处理单元和模型评估单元分别发送的待绘制图片数据和训练好的模型，用于调整图片中的特征点和特征描述子；所述图像重建单元接收风格迁移单元调整过的图片数据，用于将图片数据中的特征点和特征描述子进行图像重建。
13、作为本技术方案的进一步改进，所述特征处理单元根据图像中的像素点提取特征点和特征描述子，具体包括：
14、特征点提取：首先将图像转换为灰度图像，选择灰度图像中的一个像素点作为当前像素点；在当前像素点的周围选择一个圆形邻域，领域的范围为16个像素点，将像素点按照对称的位置顺序编号，计算当前像素点与邻域内像素点的灰度差值；如果有超过连续12个像素点的灰度值大于或小于当前像素点灰度值加上或减去阈值20，那么当前像素点被认为是一个角点；对图像中的每个像素点都按照上述步骤进行检测，将检测到的角点作为特征点返回；
15、特征描述子提取：首先选择半径为10像素的圆形区域作为计算范围，选定的圆形区域内，均匀地选择16个采样点；对于每个采样点，计算3x3区域内像素的灰度质心，根据灰度质心信息，得出特征点的主要旋转方向；在特征点周围的区域内选取一组采样点对，其中采样点对的数量设为128，计算两个采样点的灰度值之差，将连续的灰度值转化为二进制编码，将所有采样点对的二进制编码组合起来，形成一个描述子。
16、作为本技术方案的进一步改进，所述特征处理单元根据不同的图片采取不同的操作，具体包括：
17、当特征处理单元接收到数据存储单元发送的图片数据时，特征处理单元提取图片的特征点和特征描述子作为每个图片数据的特征列，并将数据发送给标签处理单元进行标签处理；
18、当特征处理单元接收到待绘画图片单元发送的图片数据时，特征处理单元提取图片的特征点和特征描述子作为每个图片数据的特征列，并将数据发送给绘画生成模块中的风格迁移单元进行风格转换；
19、当特征处理单元接收到风格融合选取单元发送的风格指令时，根据所选取的风格标签提取数据存储单元中对应的图片数据，根据图片数据提取图片的特征点和特征描述子，并将每个特征点和特征描述子所对应的取值进行相加除以标签的数量，并将数据发送给标签处理单元进行标签处理。
20、作为本技术方案的进一步改进，所述标签处理单元根据特征处理单元发送的图片数据转换对应的标签数值，具体包括：
21、将图片中的标签列特征值改为数值类型，创建一个对应的二进制向量，将向量的长度设为标签总数，在每个向量中，只有对应的标签位置上的值为1，其余位置的值为0。
22、作为本技术方案的进一步改进，所述模型训练单元根据图片数据利用生成网络算法训练模型，过程如下：
23、创建生成器和判别器：构建生成器和判别器网络，生成器生成与输入特征点和特征描述子相匹配的图像，判别器判断生成器生成的图像和真实图像之间的区别，其中真实图像为标签对应风格的图像；
24、训练生成器和判别器：固定判别器的权重和参数，将输入的特征点和特征描述子传递给生成器，生成器生成一张图像；
25、判别器的反馈：将生成的图像和真实图像一起传递给判别器，判别器根据它们的差异对两者进行评价，并输出一个分数，分数是由判别器中所有层的计算和权重的线性组合得到输出实数值，实数值经过sigmoid激活函数进行非线性转换，将其范围压缩到0到1之间的概率值；
26、更新生成器：根据判别器的反馈，计算生成的图像与真实图像之间的差异，利用该差异调整生成器的权重和参数，使生成的图像接近真实图像，本文档来自技高网...
【技术保护点】
1.基于图像特征点识别自动绘制的AI智能绘画系统，其特征在于：包括数据收集模块（100）、数据处理模块（200）、模型生成模块（300）和绘画生成模块（400），其中：
2.根据权利要求1所述的基于图像特征点识别自动绘制的AI智能绘画系统，其特征在于：所述数据收集模块（100）包括图片收集单元（101）、待绘画图片单元（102）和风格融合选取单元（103），所述图片收集单元（101）用于收集不同艺术风格图片数据，根据艺术家个人网站、在线艺术画廊和个人博客相关途径收集不同艺术风格的作品；所述待绘画图片单元（102）用于接收前端页面获取的用户待绘画图片，将图片发送给特征处理单元（202）；所述风格融合选取单元（103）用于接收前端页面获取的用户选择风格，将选择的风格指令发送给特征处理单元（202）。
3.根据权利要求1所述的基于图像特征点识别自动绘制的AI智能绘画系统，其特征在于：所述数据处理模块（200）包括数据存储单元（201）、特征处理单元（202）和标签处理单元（203），所述数据存储单元（201）用于储存图片收集单元（101）收集的不同艺术风格图片，
4.根据权利要求1所述的基于图像特征点识别自动绘制的AI智能绘画系统，其特征在于：所述模型生成模块（300）包括数据拆分单元（301）、模型训练单元（302）、模型评估单元（303）和模型调优单元（304），所述数据拆分单元（301）接收标签处理单元（203）发送的图片数据，用于将数据集的特征和标签分割开来，并将特征数据和标签数据的百分之八十作为训练集，百分之二十作为测试集，将训练集发送给模型训练单元（302），将测试集发送给模型评估单元（303）；所述模型训练单元（302）使用机器学习算法中的生成对抗网络模型根据训练集进行模型训练，并将训练好的模型发送给模型评估单元（303）；所述模型评估单元（303）接收数据拆分单元（301）和模型训练单元（302）分别发送的测试集和模型，用于计算模型在测试集上的准确率，其中：
5.根据权利要求1所述的基于图像特征点识别自动绘制的AI智能绘画系统，其特征在于：所述绘画生成模块（400）包括风格迁移单元（401）和图像重建单元（402），所述风格迁移单元（401）接收特征处理单元（202）和模型评估单元（303）分别发送的待绘制图片数据和训练好的模型，用于调整图片中的特征点和特征描述子；所述图像重建单元（402）接收风格迁移单元（401）调整过的图片数据，用于将图片数据中的特征点和特征描述子进行图像重建。
6.根据权利要求3所述的基于图像特征点识别自动绘制的AI智能绘画系统，其特征在于：所述特征处理单元（202）根据图像中的像素点提取特征点和特征描述子，具体包括：
7.根据权利要求3所述的基于图像特征点识别自动绘制的AI智能绘画系统，其特征在于：所述特征处理单元（202）根据不同的图片采取不同的操作，具体包括：
8.根据权利要求3所述的基于图像特征点识别自动绘制的AI智能绘画系统，其特征在于：所述标签处理单元（203）根据特征处理单元（202）发送的图片数据转换对应的标签数值，具体包括：
9.根据权利要求4所述的基于图像特征点识别自动绘制的AI智能绘画系统，其特征在于：所述模型训练单元（302）根据图片数据利用生成网络算法训练模型，过程如下：
...【技术特征摘要】
1.基于图像特征点识别自动绘制的ai智能绘画系统，其特征在于：包括数据收集模块（100）、数据处理模块（200）、模型生成模块（300）和绘画生成模块（400），其中：
2.根据权利要求1所述的基于图像特征点识别自动绘制的ai智能绘画系统，其特征在于：所述数据收集模块（100）包括图片收集单元（101）、待绘画图片单元（102）和风格融合选取单元（103），所述图片收集单元（101）用于收集不同艺术风格图片数据，根据艺术家个人网站、在线艺术画廊和个人博客相关途径收集不同艺术风格的作品；所述待绘画图片单元（102）用于接收前端页面获取的用户待绘画图片，将图片发送给特征处理单元（202）；所述风格融合选取单元（103）用于接收前端页面获取的用户选择风格，将选择的风格指令发送给特征处理单元（202）。
3.根据权利要求1所述的基于图像特征点识别自动绘制的ai智能绘画系统，其特征在于：所述数据处理模块（200）包括数据存储单元（201）、特征处理单元（202）和标签处理单元（203），所述数据存储单元（201）用于储存图片收集单元（101）收集的不同艺术风格图片，并将图片数据发送给特征处理单元（202）进行特征处理；所述特征处理单元（202）用于提取图片的特征点和特征描述子作为特征列；所述标签处理单元（203）用于将图片数据的标签列转换为数值类型。
4.根据权利要求1所述的基于图像特征点识别自动绘制的ai智能绘画系统，其特征在于：所述模型生成模块（300）包括数据拆分单元（301）、模型训练单元（302）、模型评估单元（303）和模型调优单元（304），所述数据拆分单元（301）接收标签处理单元（203）发送的图片数据，用于将数据集的特征和标签分割开来，并将特征数据和标签数据的百...
【专利技术属性】
技术研发人员：董志刚，
申请(专利权)人：北京妙音数科股份有限公司，
类型：发明
国别省市：
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。