2012移動(dòng)結(jié)題年教育部-科研基金項(xiàng)目

項(xiàng)目名稱：終端動(dòng)漫處理優(yōu)選方案及面向移動(dòng)終端的矢量素材處理的研究與實(shí)項(xiàng)目：承擔(dān)單位：廈門大起止時(shí)20131月至201412結(jié)題時(shí)間： 年 月 一、結(jié)題（驗(yàn)收）項(xiàng)目成果簡 二、項(xiàng)目成果三、計(jì)劃任務(wù)、考核指標(biāo)及主要技術(shù)經(jīng)濟(jì)指標(biāo)、計(jì)劃執(zhí)行評(píng) 計(jì)劃任 考核指標(biāo)及主要技術(shù)經(jīng)濟(jì)指 計(jì)劃執(zhí) 四、研究取得的成 五、成果轉(zhuǎn)化情況，取得的經(jīng)濟(jì)、社會(huì)效 動(dòng)漫素材圖像適 矢量動(dòng)漫素材生成工 動(dòng)漫區(qū)域分割工 六、該項(xiàng)目的人才培養(yǎng)情 七、經(jīng)費(fèi)決算 八、依托單位意 九、主管部門意見（注：教育部直屬高校不填此欄 十、驗(yàn)收專家十一、專家組驗(yàn)收意 十二、有關(guān)附 一、結(jié)題（驗(yàn)收）項(xiàng)項(xiàng)目名項(xiàng)目編項(xiàng)目類起止時(shí)2013.1-其中國撥150姓博教本康本本博博博高博項(xiàng)目來項(xiàng)目名經(jīng)起止時(shí)科技平2014.6-移技術(shù)研2014.1-閩臺(tái)文化動(dòng)漫產(chǎn)業(yè)創(chuàng)2015.1-成果類獲得時(shí)1發(fā)明專2發(fā)明專3一種基于超像素拓?fù)涞目ㄍ@著性區(qū)域檢測方發(fā)明專4發(fā)明專5678應(yīng)用類效益說應(yīng)用時(shí)軟件技術(shù)使用動(dòng)漫區(qū)域分割工軟件技術(shù)使用項(xiàng)040013400600224冊(cè)國國物國物國篇篇篇名士碩士博其他知登國家論著情知 情ISTEISCI二、項(xiàng)目成果（不少于500字隨著3G牌照和移動(dòng)互聯(lián)網(wǎng)的高速發(fā)展，近年來客戶的移動(dòng)數(shù)據(jù)流量需求迅猛增長，中國移動(dòng)的數(shù)據(jù)流量收入已超過點(diǎn)對(duì)點(diǎn)，成為拉動(dòng)數(shù)據(jù)業(yè)務(wù)收入增長的主要驅(qū)動(dòng)力根據(jù)中國移動(dòng)發(fā)展的總體思路為提升數(shù)據(jù)流量經(jīng)營效益，需進(jìn)一步提高流量價(jià)值、夯實(shí)流量經(jīng)營基礎(chǔ)、推進(jìn)全網(wǎng)數(shù)據(jù)流量的精細(xì)化經(jīng)營。手機(jī)動(dòng)漫業(yè)務(wù)作為中國移動(dòng)整合動(dòng)漫產(chǎn)業(yè)資源、為客戶提供基于移動(dòng)互聯(lián)網(wǎng)的動(dòng)漫內(nèi)容服務(wù)的重要數(shù)據(jù)業(yè)務(wù)，目前用戶數(shù)已超六百萬。通過對(duì)終端自動(dòng)適配方案及數(shù)據(jù)量最小的終端適配方案等方面的研究，將大大降低終端適配在人力、終端上的成本投入，突破以往終端適配成本高、工作量大、速度慢、體驗(yàn)不統(tǒng)一等瓶頸，有助于提高單位流量的業(yè)務(wù)價(jià)值，確保流量業(yè)務(wù)的服務(wù)質(zhì)量，實(shí)現(xiàn)中國移動(dòng)流量業(yè)務(wù)的效益發(fā)展。同時(shí)，國內(nèi)部分高校在該領(lǐng)域已有一定研究與積累?；趯?duì)產(chǎn)業(yè)發(fā)展以及國內(nèi)科研水平的深刻認(rèn)識(shí)，中國移動(dòng)公司面向國內(nèi)高校征集相關(guān)的研發(fā)力量已攻克產(chǎn)業(yè)發(fā)展中的瓶頸，確定以下三個(gè)具體目標(biāo)：任務(wù)一：終端動(dòng)漫處理技術(shù)研究及優(yōu)選方案設(shè)計(jì)。分析終端信息（包括操作系統(tǒng)、屏幕分辨率、屏幕尺寸、屏幕精度等）及影響動(dòng)漫數(shù)據(jù)量大小的因素（包括文件格式、復(fù)雜程度、對(duì)比度、飽和度、灰度、色階值、曲線值等，輸出數(shù)據(jù)量最小的最優(yōu)設(shè)計(jì)方案，并為動(dòng)漫制作軟件提供制適配終端的最優(yōu)策略，并迅速獲得質(zhì)優(yōu)低成本的漫畫設(shè)計(jì)方案，保證作品在iPad發(fā)展的連續(xù)性和整合問題，將項(xiàng)目定位于提供能與現(xiàn)有動(dòng)漫服務(wù)體系無縫融合素材設(shè)計(jì)和制作的框架。在依托單位廈門大學(xué)軟件學(xué)院的大力支持以及項(xiàng)目合作單位中國移動(dòng)動(dòng)漫全力配合下，研究開展一直比較順利。課題組集中了一大批長期活躍在動(dòng)漫和應(yīng)用領(lǐng)域的資深學(xué)者、企業(yè)骨干，更有一批朝氣蓬勃、年富力強(qiáng)的青年科學(xué)家。課題組認(rèn)真組織、協(xié)調(diào)，充分發(fā)揮各方面專家的優(yōu)勢(shì)，使研究工作做不斷向縱深發(fā)展，在完成任務(wù)的同時(shí)，一大批優(yōu)秀的年輕人才不斷成長。課題緊緊扣住預(yù)期的目標(biāo)，圍繞中移動(dòng)動(dòng)漫的實(shí)際需求，不斷進(jìn)行溝通調(diào)整，使我們的研究成果與實(shí)際緊密結(jié)合。課題組定期召開學(xué)術(shù)交流和工作總結(jié)會(huì)議，不斷調(diào)整，對(duì)于重點(diǎn)研究的內(nèi)容及主攻的目標(biāo)優(yōu)先給予支持，自始自終嚴(yán)格按計(jì)劃進(jìn)行，并最終達(dá)到了預(yù)期目標(biāo)?？傊?，通過本項(xiàng)目兩年的研發(fā)，我們?cè)谥R(shí)系統(tǒng)研發(fā)人才培養(yǎng)等方面都取得了較好的成果具體體現(xiàn)在：研發(fā)了針對(duì)動(dòng)漫素材的優(yōu)選處理技術(shù)并設(shè)計(jì)了相應(yīng)的質(zhì)量評(píng)價(jià)方案。我們提下，最大程度降低數(shù)據(jù)量，從而提高單位流量的業(yè)務(wù)價(jià)值。圖2-1至圖2-5展示了我們所開發(fā)的優(yōu)選處理系統(tǒng)的功能，圖2-6則是相應(yīng)的質(zhì)量評(píng)價(jià)網(wǎng)圖2- 優(yōu)選處理系統(tǒng)：尺寸調(diào)圖2-2.優(yōu)選處理系統(tǒng)：灰度調(diào)圖2- 優(yōu)選處理系統(tǒng)：亮度、對(duì)比度調(diào)圖2-4.優(yōu)選處理系統(tǒng)：色階合圖2- 優(yōu)選處理系統(tǒng)：壓縮率計(jì)圖2-6.質(zhì)量評(píng)估研發(fā)了一種智能型的動(dòng)漫制作技術(shù)，該技術(shù)能夠根據(jù)終端設(shè)備的分辨率和長寬比自動(dòng)對(duì)動(dòng)漫圖進(jìn)行縮放調(diào)整，在調(diào)整過能夠有效地保持中的重多的是由特征線條來刻畫的，因此在適配過對(duì)這些特征線條形狀的保持就狀能量以在優(yōu)化過保持其形狀。圖2-7展示了我們的適配系統(tǒng)的截圖，圖2-82-7.漫圖像適配系2-8.漫圖像適配效少使用的基本解析元素的數(shù)量以降低量，同時(shí)盡可能減少用戶，降低轉(zhuǎn)化的人工成本。我們還開發(fā)了一個(gè)移動(dòng)端的軟件，方便在各種移動(dòng)終端上觀賞創(chuàng)作的矢量作品2-9展示了我們的矢量創(chuàng)作系統(tǒng)2-10則演示了運(yùn)用該系統(tǒng)進(jìn)行矢量作品創(chuàng)作的過程圖2-11給出了在移動(dòng)終端上的圖2-9.基于熱擴(kuò)散的矢量素材創(chuàng)作系2-10量作品創(chuàng)作過程圖2-11.移動(dòng)終端矢 三、計(jì)劃任務(wù)、考核指標(biāo)及主要技術(shù)經(jīng)濟(jì)指標(biāo)、計(jì)劃執(zhí)行評(píng)計(jì)劃任終端動(dòng)漫處理優(yōu)選方案設(shè)研究如何在保證動(dòng)漫素材的視覺效果前提下，對(duì)影響動(dòng)漫數(shù)據(jù)量基于感知理論的視覺效果衡量指標(biāo)以及一套基于該指標(biāo)的最優(yōu)參數(shù)求解方法。智能型動(dòng)漫制作技研究一種智能型的該技術(shù)能夠根據(jù)終端設(shè)備的分辨率和長寬比自動(dòng)對(duì)動(dòng)漫圖進(jìn)行縮放調(diào)整，在調(diào)整過能夠有效地保持檢測動(dòng)漫素材中的特征部分以及如何在縮放過保持這些特征相對(duì)不變。以盡可能少的信息描述的顏色信息從而降低量和傳輸量?？己酥笜?biāo)及主要技術(shù)經(jīng)濟(jì)2-42-4學(xué)術(shù)3-5篇：(1)終端動(dòng)漫處理技術(shù)研究及優(yōu)選方案設(shè)計(jì)規(guī)范將滿足以下技術(shù)指標(biāo)優(yōu)選處理分辨率1024X768的耗時(shí)控制在1分鐘左右降低數(shù)據(jù)量以上；：研發(fā)的智能型動(dòng)漫制作技術(shù)研究及制作軟件設(shè)計(jì)工具將滿足以下技術(shù)指標(biāo)：動(dòng)漫的智能終端適配，分辨率1024X768的達(dá)到實(shí)時(shí)，重要特征15%；研制的基于矢量表示的二維動(dòng)漫素材制作及平臺(tái)將滿足以下技術(shù)指標(biāo)1動(dòng)漫特征的矢量化，分辨率1024X768一般復(fù)雜度，3-5分鐘內(nèi)2矢量動(dòng)漫素材顏色編碼，分辨率10234X768一般復(fù)雜度，基本達(dá)到實(shí)時(shí)。本課題研究的技術(shù)目標(biāo)在于降低CP(ContentProvider，內(nèi)容提供商)和作將成果展示及交易的成本和難度提高經(jīng)濟(jì)效益和社會(huì)效益當(dāng)前中國移動(dòng)漫為所有CP和作者提供了一套開發(fā)工具，為他們提供了方便，但在使用過12隨著智能越來越普及的應(yīng)用入矢量化技術(shù)的優(yōu)勢(shì)越來越明顯甚至可以說是大勢(shì)所趨。15%的開發(fā)效率由此帶來的連鎖效應(yīng)至少包括1CP等提供的內(nèi)容會(huì)因此增加2由此帶來業(yè)務(wù)量的增加；3本課題將與中國移動(dòng)動(dòng)漫進(jìn)行合作，與其協(xié)商確定合適至少1個(gè)實(shí)驗(yàn)平類技術(shù)，豐富我國在動(dòng)漫創(chuàng)作領(lǐng)域的設(shè)計(jì)理論和制作計(jì)劃執(zhí)需求分終端動(dòng)漫處理優(yōu)選方案設(shè)根據(jù)任務(wù)描述，在功能上，本方面的研究必須能夠提供各種各樣的參數(shù)的對(duì)動(dòng)漫進(jìn)行處理；其次，還需要對(duì)處理后的質(zhì)量進(jìn)行有效評(píng)估，從而參數(shù)調(diào)整工具都必須能夠滿互應(yīng)用的需要，各個(gè)元操作的耗時(shí)盡量控制在3智能型動(dòng)漫制作技動(dòng)漫圖像到任意尺寸和分辨率的移動(dòng)終端的良好適配，保證適配過重要特征的得到有效控制；在性能上，能夠滿互乃至于實(shí)時(shí)應(yīng)用終端的矢量軟件；而在性能上，矢量創(chuàng)作和必須能夠達(dá)到交互應(yīng)用的需任務(wù)分終端動(dòng)漫處理優(yōu)選方案設(shè)動(dòng)漫色階調(diào)整和合并算法的設(shè)計(jì)動(dòng)漫亮度、對(duì)比度調(diào)整功能實(shí)現(xiàn)動(dòng)漫飽和度調(diào)整功能實(shí)現(xiàn)動(dòng)漫灰度調(diào)整功能實(shí)現(xiàn)動(dòng) 優(yōu)選處理系統(tǒng)開發(fā)集動(dòng)漫質(zhì)量評(píng)價(jià)設(shè)計(jì)與搭建智能型動(dòng)漫制作技動(dòng)漫區(qū)域重要度度量算法的研究特征約束的二維三角網(wǎng)格構(gòu)造算法的研究保持特征形狀的三角網(wǎng)格變形算法的研究矢量化動(dòng)漫素材制作技支持豐富色彩的矢量圖形表示方法的設(shè)計(jì)位圖矢量化算法的研究移動(dòng)終端矢量軟件的開發(fā)實(shí)施路3-1性。首先研究動(dòng)漫的優(yōu)選設(shè)計(jì)方案，在綜合考慮終端設(shè)備信息以及信適配的動(dòng)漫圖3-1.項(xiàng)目實(shí)施技術(shù)路終端動(dòng)漫處理優(yōu)選方案設(shè)動(dòng)漫色階調(diào)整和合并算法的設(shè)計(jì)根據(jù)項(xiàng)目需要，我們并實(shí)現(xiàn)了幾種進(jìn)行色階合并的算法(1.1)均值輸入:閾值A(chǔ)、閾值1:遍歷項(xiàng)目中所有的像素點(diǎn)，通過距離計(jì)算兩個(gè)像素值的距離，若距離小于閾值A(chǔ)，則將這兩個(gè)點(diǎn)歸為一類2:3:同樣根據(jù)距離，計(jì)算每兩個(gè)類的顏色均值的距離，若距離小于閾值B5:endfor4:5:要求：原則上可以考慮將閾值A(chǔ)、B的大小關(guān)系，應(yīng)該是A<B的情況下可能達(dá)分析：經(jīng)測試發(fā)現(xiàn)，均值法在閾值A(chǔ)、B的設(shè)定上很模糊，無法準(zhǔn)確把握A、BA、B值設(shè)置挺大的，但是簡化之后的(1.2)指定顏色數(shù)輸入:指定顏色數(shù)1:A256A個(gè)，即簡化之A3256AiA*（i-1）A*i-1范圍內(nèi)的所有顏色值，將這些顏色值都A*（i-1）+A/2。厲害，因此A4。(1.3)誤差擴(kuò)散16級(jí)灰度(直接把8bit灰度的后4bit砍掉)，圖（c）1616（b 圖3-2.移動(dòng)終端矢量輸入:單通道顏色數(shù)1:2561200~255)，將這張圖轉(zhuǎn)換成16級(jí)灰度，最簡單的方法是將每個(gè)像素點(diǎn)除以16，那么轉(zhuǎn)換后的值就是120/16=7.5保留整數(shù)位后就是70.52:最簡單的誤差擴(kuò)散方法是將這0.5的誤差放到這個(gè)點(diǎn)右邊/和下邊的點(diǎn)加上(0.5*16)*3/8=3,把右下的點(diǎn)加上(0.5*16)*2/8=23:實(shí)際上，3:2:37:3:5:1的分法:X735或者42X824841242Filter動(dòng)漫亮度、對(duì)比度調(diào)整功能實(shí)系統(tǒng)中的亮度/對(duì)比度調(diào)整的方案采用如同PhotoShop采用的方法通過對(duì)比度閾值和亮度閾值，對(duì)進(jìn)行相應(yīng)的處理。(2.1)對(duì)比度算法公對(duì)比度增量，是按給定值的正負(fù)分別處理的，閾值范圍設(shè)定在-150~150之G、B分量，Threshold為給定的閥值，Contrast為對(duì)比度增量。當(dāng)Contrast0newRGB=RGB+(RGB-Threshold)*(1/(1-Contrast/255)-Contrast255時(shí)(RGBThreshold)*11Contrast2551)為無限，由于RGB最大最小值分別為2550，因此，只能按Threshold來確定newRGBnewRGBRGBThreshold?2550，這實(shí)際就是設(shè)置圖像8條線。當(dāng)Contrast02)newRGB=RGB+(RGB-Threshold)*Contrast/Contrast等于-255RGB各分量都等于閥值，圖像呈全1條線，即閥值灰度。(2.2)圖像亮度調(diào)我們采用的是最常用的非線性亮度調(diào)整（PhoposhopCS3以下版本也是這種亮度調(diào)整方式，CS3及以上版本也保留了該亮度調(diào)整方式的選項(xiàng)。(2.3)圖像亮度/對(duì)比度綜合調(diào)整算0動(dòng)漫質(zhì)量評(píng)價(jià)機(jī)制研的過人作為圖像信息的直接接收端這些信息需要通過人來地判斷與分析所以人類質(zhì)量評(píng)價(jià)是最為合理的一種途徑評(píng)價(jià)結(jié)果也極具說服價(jià)所以測試過程仍然是驗(yàn)證優(yōu)化模型的唯一方式在進(jìn)行IQA的過然后對(duì)所有參與者打出的分值進(jìn)行平均得到的結(jié)果作為測試圖像的質(zhì)量評(píng)價(jià)值當(dāng)前許多圖像對(duì)圖像質(zhì)量的方法進(jìn)行了深入的研究并且取得一定的研究成果ITU針對(duì)不同測試目的提出了相應(yīng)的試標(biāo)準(zhǔn)。照想法對(duì)圖像打分，最后統(tǒng)計(jì)分析所有的打分情況(3.1)測試環(huán)圖像質(zhì)量評(píng)價(jià)的測試實(shí)驗(yàn)對(duì)環(huán)境要求比較高，在ITU-RBT.500-11中息相關(guān)。如表3-1所示，給出了測試環(huán)境的要求。3-1測試另外，顯示器屏幕的尺寸與距離對(duì)圖像信息質(zhì)量測試也有重大影響。定義PVD(PreferredViewingDistance)首選距離，通常以多少倍的圖像高度進(jìn)行表示，比如PVD=4，表示距離為4倍的顯示圖像高度。表3-最佳距1721最佳距172131在進(jìn)行IQA時(shí)對(duì)測試人員也有相關(guān)要求為了后期數(shù)據(jù)統(tǒng)計(jì)分析結(jié)果的準(zhǔn)確性，結(jié)合成本考慮，人數(shù)大概為20人左右，并且這些人沒有(3.2)測試方法與單刺激法的區(qū)別在于在評(píng)價(jià)的過，是否包含參考圖像，如果包含則為雙激勵(lì)失真測量法(DoubleStimulusImpairmentScale,示。一次測試的時(shí)間過30分鐘，包括解釋和準(zhǔn)備時(shí)間。表3-3五級(jí)評(píng)分尺544Perceptibly,butnot33Slightly221兩種方法的示意圖。其中T1表示參考圖像展示時(shí)間段，持續(xù)時(shí)間為10s，T2代表過渡時(shí)間段，持續(xù)時(shí)間為3s，T4為不同測試圖像之間的過渡時(shí)間，為5~11s，上述測試過屏幕背T1 T1 T3 T1 3-3DSIS方法評(píng)分過程圖(a)方法一(b)方法雙激勵(lì)連續(xù)質(zhì)量測量法(DoubleStimulusContinuousQualityScale,向參與者展示多張測試圖像與參考圖像，與DSIS方法不同在于DSCQS3-4所示。其中，T1為圖像A的展示時(shí)10s，T3B10s，T2與T4時(shí)間段與DSIS方法中相同。T1 T3 T1 打打3-4DSCQS方法評(píng)分過程5級(jí)評(píng)分制（100分。3-5所示為DSCQS3-5DSCQS分?jǐn)?shù)滑動(dòng)條示單激勵(lì)連續(xù)質(zhì)量評(píng)價(jià)法(SingleStimulusContinuousQualityEvaluation,單激勵(lì)方法(SingleStimulus,SS)不需要參考圖像，只需展示測試圖像。針準(zhǔn)備測試圖像即可，實(shí)際實(shí)驗(yàn)的時(shí)候一張圖像的時(shí)間在5s左右即可。對(duì)于SS3-3中的五級(jí)評(píng)分尺度。觀察者可以使用表格或其他SSCQE單激勵(lì)連續(xù)質(zhì)量評(píng)價(jià)方法屬于SS中的方法。由于展示時(shí)間更長，該方法更適合的評(píng)價(jià)。刺激對(duì)比較方法 parison,評(píng)估的過程可以采用一個(gè)顯示器或者兩個(gè)并排的顯示器。可以想象，SC方法試。SC方法采用評(píng)價(jià)尺度。如表3-4為ITU-R推薦的比較尺度。SC方法與評(píng)價(jià)尺度在JND(just-noticeabledistortion)性能的評(píng)估上比較適用。3-4SC方法比較衡量尺---0123(3.3)評(píng)價(jià)數(shù)據(jù)庫構(gòu)采用DSIS雙激勵(lì)失真測量法來建立動(dòng)漫圖像評(píng)分庫，對(duì)動(dòng)漫圖像進(jìn)行評(píng)價(jià)，根據(jù)評(píng)分?jǐn)?shù)據(jù)分析計(jì)算評(píng)價(jià)圖像的MOS3-6所示，為選取的部分動(dòng)漫示意圖，包括一些動(dòng)漫人物、場景等等，這些都具有良好的色彩和明顯的線征。3-6動(dòng)漫圖像原素材1LIVEJPEG壓縮、亮度噪聲（不同亮度范圍、模糊、白噪聲污染，再加上椒鹽噪聲。如圖3-7為部分失真圖像示例。3-7失真圖像示3-83-9為客觀評(píng)價(jià)SSIM值在示例庫上3-8動(dòng)漫圖像庫文3-9利用圖像庫測試PSNRvsMOS非線性回(3.4)結(jié)果分在IQA實(shí)驗(yàn)中會(huì)得到測試分值根據(jù)這些分值作為后期處理數(shù)據(jù)源最后根據(jù)制定的標(biāo)準(zhǔn)分析數(shù)據(jù)來驗(yàn)證實(shí)驗(yàn)的正確性在一次的IQA實(shí)驗(yàn)中，測試材料包括一系列的參考圖像與測試圖像集，用表示。參考圖像經(jīng)過失真算法處理得到測試圖像。分值處理中的平均分?jǐn)?shù)MOS(MeanOpinionScores)如公式3-1所示。1Nujk N

(3-在公式3-1中，代表觀察者的人數(shù)。 表示第個(gè)觀察者對(duì)參考圖像為，DMOS差平均分?jǐn)?shù)(DifferenceMeanOpinionScores,DMOS)也是經(jīng)使用到的，一般是滿分減去MOS的值得到，也就是說DMOS值越小，圖像的個(gè)數(shù)計(jì)算得到。通常采用的95%的置信區(qū)間計(jì)算為 ，其中

1.96SNN(uNN(u N

(3-(3-0~1003-4進(jìn)行歸一化處理。scoreRawDifferenceScoreMax

(3-Min察者的數(shù)據(jù)之間存在一定的非線性關(guān)系，在VQEG性能評(píng)價(jià)方法非線性回歸函數(shù)是5參數(shù)的Logistic函數(shù)[41]，Y為預(yù)測值，X為客觀值，Y X2

4X

(3-1e

|3|可以進(jìn)行的最小二乘分析，即在回歸函數(shù)和相關(guān)系數(shù)的計(jì)算中考慮分散量關(guān)于質(zhì)量模型預(yù)測的準(zhǔn)確這個(gè)性質(zhì)是從平均意義上來說的。常用的指標(biāo)有Pearson線性相關(guān)系數(shù)(CorrelationCoefficient,CC)，均誤差(RootMeanSquareError,RMSE)和平均絕對(duì)誤差(MeanAbsoluteError,MAE)，這三個(gè)計(jì)算公式分別如下：Pearson線性相關(guān)系數(shù)，其中Xi、Yi分別表示第i分?jǐn)?shù)SSp以及相應(yīng)的分?jǐn)?shù)SS，n表示評(píng)價(jià)圖像的總個(gè)數(shù)；X、Y表示SSpSSnn(XiX)(YiYnn(Xnn(XX (YY22ii

(3-均誤差平均絕對(duì)誤差

RMSEn1n(Xn1n(XY2 n Xi

(3-(3-關(guān)于質(zhì)量模型預(yù)測的單調(diào)采用Spearman等級(jí)相關(guān)系數(shù)(RankOrderCorrelationCoefficient,ROCC)來66(RXRY2 ROCC1 n(n2

(3-其中，RXi和RYi分別表示和客觀成績分別按相同順序排序后，對(duì)于第i個(gè)成績?cè)诟髯孕蛄兄械男蛱?hào)。Spearman等級(jí)相關(guān)系數(shù)利用兩變量的次序大關(guān)于質(zhì)量模型預(yù)測的一致一致性是指質(zhì)量評(píng)價(jià)模型是否對(duì)各種類型的圖像質(zhì)量都能夠準(zhǔn)確地預(yù)測的個(gè)數(shù)與所有點(diǎn)的個(gè)數(shù)的比值。離出率(OutlierORn

(3-智能型動(dòng)漫制作技動(dòng)漫區(qū)域重要度度量算法的研究10圖3-10.已有顯著性檢測方法在動(dòng)漫上無法取得很好的效果為此，我們?cè)O(shè)計(jì)了一種基于超像素拓?fù)浞治龅目ㄍ@著性檢測方法：采用SLIC方法提取超像素。提取卡通的線條信息以及與線條相鄰的超像素集超像素上建立拓?fù)浣Y(jié)構(gòu)，來表示超像間的連通關(guān)系。設(shè)定四個(gè)邊的超flood3-11，3-12圖3-11.我 方法的處理框架3-12.

I(W,H,P),W是的寬度，H是的高,P是素的集合。設(shè)pi為的像素，piP且pi(ri,gi,bi,xi,yi)。ri,gi,bi是像素RGB顏色空間上的值，xi,yi則為像素的位置。在卡 I上提取超像素到超像素集合SPsp為超像素，spSPsprsgs,bsxsysn)i1

(rs,gs,bs,xs,ys) r,

,b,x,

。本文定義Sp為卡通

ik

k k k k I的每個(gè)像素的顯著性值，SI(spi為每個(gè)超像素spipipjspk，可知Spi)Spj)SI(spk。由于卡通很多顏塊內(nèi)的顏色差很小，顏塊內(nèi)相同顏色的顯著以提取卡通內(nèi)的超像素后再進(jìn)行計(jì)算是非常合適的。根據(jù)卡通的特設(shè)卡通的像素個(gè)數(shù)NP=W*H，為了縮短提取超像素的時(shí)間，同時(shí)需KP/N(12,34……的取值主要是根據(jù)NP而定的，至少要保證每個(gè)超每個(gè)超像素spiSP，并且線條都盡可能處于超像素的邊緣?？ㄍǖ某袼鼗A(chǔ)上構(gòu)建圖G<V,E>。將每個(gè)超像素spi當(dāng)做為G中頂點(diǎn)，spiVspispjspi與spj之間沒有線條阻隔，則設(shè)定e(i,jEspi與spjspi與spj不可達(dá)。(1.2)依據(jù)上述的卡通的創(chuàng)作規(guī)律，首先提取與線條相鄰的超像素集SPE，并將其分為兩部分，分別定義為背景超像素集SPE-B與前景超像素集。卡通的SPBSPE-BSPE-FSPE中區(qū)分開來，G<V,E>spiSPEspiG中SPBspiSPE-B，否則判spiSPE-F。<E>siSPB每一步的最優(yōu)選擇。該函數(shù)定義為：f(spj)g(spj)h(spj)，spj

e(i,j)Ein

j)dist(spi,spj)(xsxs)2(ysys (xsxs)2(ysys 對(duì)于spiSPE，通過估價(jià)函數(shù)f，可以快速的尋找出一條路徑,spi是否與邊緣的相通，如果相通則判定spiSPE-B，否則spiSPE-F。這樣就將與線條SPESPE-BSPE-F兩部分。(1.3)與線條相鄰超像素SPE中，SPE-B是屬于的背景部分，SPB-F屬于圖SPE-FSPE-BRGBspiSI(spi) spjSPE

D(spi,spj)*(spi其中D(spispk)代表兩個(gè)超像素在RGB顏色空間下的距離之和(rsrs)2(rsrs)2(gsgs)2(bsbs SPE-F作為的前景，相比SPE-B中的超像素?fù)碛懈叩娘@著性值，所(spiSPE-F(spi sf(spi)minspSPEF{sf(spi

,

SPEi(sp) {sf(sp)} {sf(sp i spiSPE ,

SPEsf(spi) spjSPE

D(spi,spj通過計(jì)算SPE-Fspi與SPE-F中其他超像素RGB距離之和sf(spi)，并將其結(jié)果歸一化到[0,1]，同時(shí)設(shè)定系(35)，這樣對(duì)于spiSPEF就會(huì)有較高(spi)值，而spiSPEF，(spi)1。(1.4)提出了“SaliencyfloodSPE-F重新評(píng)估局部顯著性值。對(duì)于評(píng)估局部區(qū)域內(nèi)的顯著性值。首先將SPE-F中的超像素加入到隊(duì)列sq-queue，然后從sq-queue取出一個(gè)超像素spiGspi相鄰的超像素spj。如果spiSPE-F,則設(shè)置SI(spj)SI(spi,否則設(shè)置SI(spi)SR(spispjspj添加到隊(duì)列sq-queue，再重復(fù)之前的操作sq-queue為空。其中SR(spi,spjspi與spjRGBSI(spj的顯著性值，3* SI(sp)SR(sp,sp)SI(sp)*(1D(3* SaliencyfloodAlgorithmSaliency1:Input:giveG<V,E>,SPE-F,Saliencymap(SI)2:Output:Saliencymap(SI)3:fori=1MinSPE- 5:end

tosq-6:whilesq-queueisnotempty spsq- whilefinde(sp,spj)in ifsp

is thengotolabel ifspSPE- thenSI(spj)= elseSI(spj)=SR(sp,spj) addspjtoSP-Queue 17:此時(shí)所得到的SI圖3-13展示了本文與這些方法在卡通上顯著性檢測的結(jié)果，從實(shí)驗(yàn)在卡 上的實(shí)驗(yàn)結(jié)果并不理想CA的方法主 條周圍形成較強(qiáng)的顯局對(duì)比度，對(duì)比度高的地方有著較高的顯著性值。RCHC位置信息，使得離對(duì)比度高的附近也具有較高的顯著性特征值。SFDSR方法都是基于超像素。SFHC基于對(duì)比度的。DSR方法在不同尺度的超像素下，提取的四周的超像素作出來。而本文算法則可以很好的將卡通的顯著性區(qū)域提取出來，即圖3-13.顯著性檢測的結(jié)果：(a)原圖,(b)CA,(c)HC,(d)RC,(e)SF,(f)DSR,(g)我我們?cè)u(píng)估所有顯著特征檢測方法的正確率率和F值我們?cè)O(shè)定一個(gè)閾值T[0,255],了更好的評(píng)估實(shí)驗(yàn)結(jié)果，womenT2和率,進(jìn)一步計(jì)算得到F值，如公式(6)。(12)PrecisionReF 2PrecisionRe

為了強(qiáng)調(diào)正確率設(shè)置20.3圖18()顯示了正率-率曲線圖314(b)顯示正確率率和F值的柱狀圖可以看出在所有方法中本文的法在卡通上有最好的效果。 圖3-14.(a)每種方法精確度和率曲線(b)平均的精準(zhǔn)率、率和F-保持特征形狀的三角網(wǎng)格變形算法的研究由于動(dòng)漫包含很多特征線條，采用諸如縫雕刻或者矩形裁剪的離散方Ip在x軸和y軸方向上的大小，從而改變?cè)搱D像的比。我們把圖像沿x軸和y軸的縮放因子分別記作sx和sy。然后根據(jù)圖像Ip的幾何特征生成一個(gè)均勻的三MpMp目標(biāo)網(wǎng)格Mq來達(dá)到圖像適配的目的，因?yàn)槟康膱D像Iq可以從目標(biāo)網(wǎng)格Mq上映射得到。由此將原本的圖像適配問題轉(zhuǎn)化為源網(wǎng)格Mp到目標(biāo)網(wǎng)格Mq的變形問題。從直觀上看，在網(wǎng)格變形的過，對(duì)于那些代表特征物的重要三角形我們應(yīng)該盡量保證它們維持原來的比不變，而對(duì)于那些非重要三角形可3-15圖3-15.基于網(wǎng)格變形的適配思像邊界進(jìn)行均勻采樣。以這些采樣點(diǎn)及其連接關(guān)系為約束，通過Delaunay構(gòu)造三角網(wǎng)格MpMp到目標(biāo)網(wǎng)格Mq的變形，足適配要求是整個(gè)框架的。我們這里定義了三個(gè)方面的能量： 剛。為了減少圖像內(nèi)容的，我們希望網(wǎng)格中的每個(gè)三角形以一種MpPP0P1 qq0q1q2，則它們之間存在著一個(gè)依賴于q的關(guān)聯(lián)雅可比矩陣 Jt(q)Jt(q)RtTEA||J(q)RT tFt1

RtRsin

sin:[0,2)cos特征能量。我們通過一個(gè)基于鄰接邊比率和角度的縮放不變量來表征特征條的形狀。對(duì)于給定特征曲線CP上的三個(gè)連續(xù)特征點(diǎn)CP,CP,CP

的兩條邊之間的關(guān)系可描述為

rR

CPrCPCPCPCP

i

siniiRisini

cosi為角度為i的旋轉(zhuǎn)矩陣。最終，我們可以通過最小化如下能量達(dá)到保持特征線條kE

)rR

cq)c

i FFEs st

||

Ast

As

st

最終，整個(gè)變形過程的目標(biāo)函數(shù)定義為以上三個(gè)能量的和EErcEcsEcs3-16圖3-16.基于網(wǎng)格變形的適配思系統(tǒng)支持對(duì)動(dòng)漫區(qū)域重要度的指定，支持對(duì)動(dòng)漫圖像保特征的實(shí)時(shí)適配，圖3-17圖3-17.動(dòng)漫圖像適配系統(tǒng)功能模塊矢量化動(dòng)漫素材制作技我們采用了一種稱之為擴(kuò)散曲線的技術(shù)我們述特征線擬合得到的3-18Cl和Cr（3-1(b)11(c)越曲線時(shí)達(dá)到柔和的過渡（3-11(d)圖3-18.(a)擴(kuò)散曲線的構(gòu)成(a)用樣條描述的特征曲線(b)在曲線兩端任意指定的顏色信沿曲線線性插值c)沿曲線線性插值的模糊量(d)這樣，通過添加上述的顏色屬性信息，我們就可以將動(dòng)漫的顏色信息緊湊豐富色彩變化的動(dòng)漫具體的渲染流程如圖3-19所示主要包含三個(gè)步驟通過掃描轉(zhuǎn)換得到一個(gè)顏色源圖像C（該圖像將顏色約束表示為貝塞xy方向顏色梯度Wx和Wy。Idivp(x,yI(x,y)C(x,y),式中和div們得到了一張?jiān)谇€處過渡的顏像，這里我們?cè)俑鶕?jù)在曲線上的BB(x,y)(x,y)p(x,y圖3-19.基于擴(kuò)散曲線的矢量圖渲染流如前所述已有大多數(shù)動(dòng)漫內(nèi)容都是以位圖的形式的有必要提供Bezier要直接影響著后續(xù)編碼過程以及最終矢量化效果特征線條是動(dòng)漫中Bezier3-20因此在圖像特征提取的過，兩種類型的特征曲線均需要被考慮在內(nèi)。圖3-20.動(dòng)漫中存在的兩種不同的特征線顏色梯度。因此從直觀上來看，很容易通過顏域的變化識(shí)別邊界曲線。3-21階躍型邊緣灰度變化及其圖為了更好的對(duì)邊界曲線進(jìn)行檢測，我們根據(jù)它的灰度變化情況，構(gòu)建幾何數(shù)322x0點(diǎn)表示邊界顏域的交匯處由于顏色梯度的存在使得邊界曲線可以通過肉眼看出。為W2*wb。圖3-22邊界曲線的幾何26,我們可以建立如下等式： x hf(x)

|x|

2 2 2

x將其同離散核函數(shù)進(jìn)行卷積運(yùn)算，公式如下：rb

x

3-g

xe2 x

1-2g'2g2g''x)(2g

e

2x2

導(dǎo)數(shù)及二階導(dǎo)數(shù)在不同尺度因子3-23所示：（a）卷積后的一階導(dǎo) （b）卷積后的二階導(dǎo)圖3-23邊界曲線同函數(shù)卷積后的一階和二階偏導(dǎo)數(shù)幾何圖裝飾曲線，往往會(huì)在特征識(shí)別的過被忽略，裝飾曲線對(duì)于局部區(qū)域的3-243-24脈沖型邊緣灰度變化及其圖3-25裝飾曲線的幾何模我們假設(shè)裝飾曲線是的梯度變化是一條拋物線，在點(diǎn)(0,h處達(dá)到灰度值ax2

|x|0fd(x)0

|x|d

（3-2-6[17]可以簡化為如下等式：f(x)

|x|

（3- |x|別。我們同樣采用同函數(shù)卷積的方式對(duì)裝飾曲線進(jìn)行去噪處理。運(yùn)算rd(x)g(x)*fd(x)h((xwd)(xwd

r'(x)g'(x)*f(x)h(g(xw)g(xw

r''(x)g''(x)*

(x)

'(xw)g'(xw

其(x)

e23-26所示： 圖3-26 裝飾曲線同函數(shù)卷積后的一階和二階偏導(dǎo)數(shù)幾何圖[17]系統(tǒng)支持對(duì)動(dòng)漫區(qū)域重要度的指定，支持對(duì)動(dòng)漫圖像保特征的實(shí)時(shí)適配，圖3-273-27.矢量創(chuàng)作系統(tǒng)功能模塊執(zhí)行評(píng)表3-5、項(xiàng)目任務(wù)指標(biāo)完成情分項(xiàng)完成率115%2-442-424學(xué)術(shù)3-5已SCI/EI4四、研究取得的（受資助項(xiàng)目數(shù)