基于色彩印刷符号分析的自动化视觉传达可视融合系统设计

潘 娜，潘 伟

（1.聊城大学，聊城 252000；2.东北大学 材料科学与工程学院，沈阳 110004）

0 引言

可视融合系统是由服务器、存储器和网络组成的高效整合系统。通过对融合系统的研究，可以使服务器、存储器和网络形成机架式计算机模式，有效地消除装配、再集成和优化过程[1]。这一变化使互联网的应用逐渐向小型化、分布式方向发展，也使各种分布式的设备逐步走向集成。因特网基础设施也由集中式发展成分布式，从而代表着因特网已经成为可视融合系统的一种主流发展趋势，因此吸引了越来越多的传统硬件供应商加入到可视融合系统的开发中，并逐渐应用于各行各业[2]。在计算机媒体迅速发展的今天，视觉传达技术以其独特而新颖的设计意象和语言，在计算机媒体领域得到了非常广泛的应用，推动了计算机媒体的发展[3]。

针对多角色虚拟人物在三维仿真设计过程中存在可视化融合效果差的问题，有关学者提出了基于视觉传达的多角色虚拟人物三维融合系统设计[4]，使用VegaPrime三维绘制工具，为多角色虚拟人物建立了三维造型模块，通过仿真虚拟人物所处的虚拟场景，以多角色虚拟人物为基础，设计了运动算法，实现了多角色虚拟人物、用户以及三维仿真场景之间的融合，实践证明，设计的融合系统在可视化融合效果方面具有更好的性能；为了解决传统公交系统视觉传达设计系统中信息识别和信息传递效率低下的问题，基于动态影像的公共交通视觉传达设计系统在设计过程中[5]，先建立视觉传达设计系统的总体架构，根据系统结构确定各个数据硬件设备的组成，将动态图像应用于公交系统的视觉传达，对视觉传达软件的运行主程序进行了详细的设计，结果表明，王天甲设计的系统与传统的系统相比，能够最大限度地实现信息的识别与传递。

基于以上研究背景，本文将色彩印刷符号分析应用到了自动化视觉传达可视融合系统设计中，从而提高系统的整体性能。

1 自动化视觉传达可视融合系统硬件设计

1.1 自动化视觉传达可视融合系统架构设计

自动化视觉传达可视融合系统将隐藏的图像信息以视觉图像的形式传递给观众[6]。系统在运行过程中，需要利用计算机网络技术采集视觉传达图像信息，并对其进行传输和融合处理，从而增强视觉传达图像在视觉上的显示效果。自动化视觉传达可视融合系统架构如图1所示。

图1 自动化视觉传达可视融合系统架构

在图1的架构图中可以看出，自动化视觉传达可视融合系统主要由视觉传达图像采集模块、图形处理模块和视觉传达图像的显示输出模块组成。在图形处理模块中，数据传输和图形元素集成是该模块最关键的组成部分。视觉传达图像元素采集器采集到视觉传达图像信息之后，通过无线光纤将采集的信息传输到图像融合模块。在分析视觉传达图像特征的基础上，采用多传感器技术，根据具体的可视融合算法对视觉传达图像进行处理，输出可视化的视觉传达图像，使显示装置能够显示最终的视觉传达图像。图像元素的集成是自动化视觉传达可视融合系统设计的重要环节，需要对其进行详细分析。

1.2 自动化视觉传达可视融合编码器设计

自动化视觉传达可视融合编码器的结构设计，是整个自动化视觉传达可视融合系统的重要部分，会对整个系统的性能造成直接性影响。利用编码器的结构设计，可以更好地实现系统中各个模块之间的相互协作。自动化视觉传达可视融合编码器结构如图2所示。

图2 自动化视觉传达可视融合编码器结构图

在系统的顶层结构中，自动化视觉传达可视融合编码器分为三个模块：符号产生模块、二值算术编码模块、码流打包模块和一个独立控制单元。在读取自动化视觉传达图像中的像素信息之后，对自动化视觉传达图像进行分层编码，使三个模块同时工作。控制单元根据反馈数据对三个模块进行平衡控制。

基于自动化视觉传达可视融合系统架构设计，结合自动化视觉传达可视融合编码器设计，实现了系统的硬件设计。

2 自动化视觉传达可视融合系统软件设计

2.1 提取自动化视觉传达图像的多维特征

在自动化视觉传达系统中，一张图像往往具有多个维度的特征，通过分析图像的色彩印刷符号，提取出自动化视觉传达图像的多维特征，特征提取流程如图3所示。

图3 自动化视觉传达图像的多维特征提取流程

自动化视觉传达图像的多维特征提取中，首先构造多维尺度空间，在各个尺度层次上提取自动化视觉传达图像的极值点；其次提取并滤波自动化视觉传达图像的特征点，以保证特征点的稳定性；然后对每一个特征点用一个方向值来表示不同的特征；最后利用所得到的特征描述符提取自动化视觉传达图像的多维特征。

2.2 映射自动化视觉传达图像的多维信息

将自动化视觉传达图像的多维信息映射到二维空间或者三维空间中，引入信息降维处理算法，分析自动化视觉传达图像的色彩印刷符号，保证视觉传达图像在维度信息上的完整性，实现自动化视觉传达的多维可视化。基于自动化视觉传达图像的多维特征提取，将自动化视觉传达图像的冗余维度信息去除，表示为：

其中，m1，m2，…，ma表示自动化视觉传达图像的原有变量指标，w1，w2，…，wx表示自动化视觉传达图像的新变量指标，下标表示的是原有指标的主成分类别。

根据式(1)的计算结果，可以得到如图4所示的自组织神经网络模型。

图4 自组织神经网络模型

当输入信号m与神经元之间的匹配处于最佳状态时，可以得到：

其中，e表示神经元，ye表示神经元e在稳定状态下的输出值，Qe表示权值矢量。

在最佳匹配单元位置f处，得到：

基于以上计算，完成了自动化视觉传达图像的多维信息映射。

2.3 自动化视觉传达可视融合的实现

利用色彩印刷符号分析的方法加载自动化视觉传达图像，并对相应的像素空间进行命名，分析XML格式的图像信息，提取出自动化视觉传达图像的像素信息，识别像素信息之后并生成相应的集合，对像素集进行设置属性处理，完成自动化视觉传达图像的色彩印刷符号分析。

自动化视觉传达图像的像素信息提取公式为：

其中，P～表示提取到的像素信息，d表示像素信息提取因子，a表示像素信息的提取比例。

自动化视觉传达图像的像素信息识别算法为：

其中，f（P）表示识别到的像素信息，g表示像素信息识别参数，sgn()表示像素信息识别的函数表达式。

将识别到的像素信息进行处理，建立一个像素信息集合f（P）={p1，p2，…，pn}，通过设定f（P）的参数，分析自动化视觉传达图像的色彩印刷符号。

采用加权融合的方式对自动化视觉传达图像进行可视融合，加权融合具有简便、直观的特点，加权融合方法的加权系数可以明确反映出自动化视觉传达图像在像素信息采集方面的可信度，加权系数设定是否合理，对自动化视觉传达图像的加权融合起着决定性作用。

自动化视觉传达图像的加权融合公式为：

其中，x表示加权融合处理的加权系数，通常情况下，是根据自动化视觉传达图像的像素信息数量进行设定。

综上所述，通过提取自动化视觉传达图像的多维特征，对自动化视觉传达图像的多维信息进行映射，通过自动化视觉传达可视融合程序设计，完成了系统的软件设计，实现了自动化视觉传达的可视融合。

3 系统测试分析

为了保证基于色彩印刷符号分析的自动化视觉传达可视融合系统的有效性，通过设计实验的方式对本文设计的系统进行验证。在系统测试过程中，将自动化视觉传达图像作为实验对象，主要是对图像中的像素信息进行可视融合。为了确保系统测试过程与结果的准确性，引入基于视觉传达的多角色虚拟人物三维融合系统和基于动态影像的公共交通视觉传达设计系统与其进行对比，分析实验结果。系统测试过程中，将基于视觉传达的多角色虚拟人物三维融合系统和基于动态影像的公共交通视觉传达设计系统作为对照组，基于色彩印刷符号分析的自动化视觉传达可视融合系统为实验组。

3.1 实验参数设定

为了尽量保证实验测试结果的准确性，设置了实验过程中参数，系统测试过程中采用不同的自动化视觉传达可视融合系统对自动化视觉传达图像进行可视融合，必须保证外部环境的一致性。外部环境参数设置情况如表1所示。

表1 实验参数

3.2 结果与分析

系统测试过程中，主要从融合效率和配准率两个方面进行测试，结果如下。

三个自动化视觉传达可视融合系统的融合效率测试结果如图5所示。

从图5的结果可以看出，在自动化视觉传达可视融合效率测试方面，基于色彩印刷符号分析的自动化视觉传达可视融合系统在对自动化视觉传达图像进行可视融合时，自动化视觉传达可视融合效率达到了80%以上，而基于视觉传达的多角色虚拟人物三维融合系统和基于动态影像的公共交通视觉传达设计系统在60%～70%之间，原因是基于色彩印刷符号分析的自动化视觉传达可视融合系统在设计过程中，利用编码器的结构设计，可以更好地实现系统中各个模块之间的相互协作，提高了自动化视觉传达的可视融合效率。

图5 自动化视觉传达可视融合效率测试结果

三个自动化视觉传达可视融合系统的配准率测试结果如图6所示。

图6 自动化视觉传达可视融合的配准率测试结果

从图6的结果可以看出，当自动化视觉传达图像的像素点个数为100时，基于视觉传达的多角色虚拟人物三维融合系统和基于动态影像的公共交通视觉传达设计系统测试得到的自动化视觉传达可视融合配准率分别为20%和30%，而基于色彩印刷符号分析的自动化视觉传达可视融合系统为60%，当自动化视觉传达图像的像素点个数为200时，基于视觉传达的多角色虚拟人物三维融合系统和基于动态影像的公共交通视觉传达设计系统测试得到的自动化视觉传达可视融合配准率分别为25%和38%，而基于色彩印刷符号分析的自动化视觉传达可视融合系统为68%，整个测试过程中，基于色彩印刷符号分析的自动化视觉传达可视融合系统始终优于其他两

4 结语