CN106952298B - 基于自学习的图像集背景模板匹配方法及系统 - Google Patents
基于自学习的图像集背景模板匹配方法及系统 Download PDFInfo
- Publication number
- CN106952298B CN106952298B CN201710118852.4A CN201710118852A CN106952298B CN 106952298 B CN106952298 B CN 106952298B CN 201710118852 A CN201710118852 A CN 201710118852A CN 106952298 B CN106952298 B CN 106952298B
- Authority
- CN
- China
- Prior art keywords
- template
- background template
- background
- user
- image set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明揭示了一种基于自学习的图像集背景模板匹配方法及系统，应用于图像处理技术领域。所述方法包括分析背景模板的模板色彩信息，并根据模板色彩信息建立背景模板表空间；分析用户上传的图像集，获得图像集像素统计信息，并根据图像集像素统计信息和背景模板匹配规则进行背景模板的匹配，将匹配的背景模板集发送至用户，用户进行背景模板的选择；判断用户选择的背景模板是否在发送给用户的背景模板中，若不在，则对所述图像集像素统计信息和用户选择的背景模板进行自学习分析，生成新的背景模板匹配规则。通过不断的分析和学习，优化模板匹配规则，使推荐给用户的背景模板更加准确，大大减少用户的选择时间。
Description
技术领域
本发明涉及一种图像处理技术领域，尤其是涉及一种基于自学习的图像集背景模板匹配方法及系统。
背景技术
在电子相册在线DIY制作、PPT在线制作过程中，通常需要从众多的背景模板中挑选合适的背景模板。众所周知，电子相册在线DIY制作基于设计师提供的背景模板设计，一般的电子相册在线DIY软件服务商的模板设计数量众多，用户通过逐个浏览单个模板进行选择，费时费力。一般的，电子相册在线DIY在线软件服务商通过两种方式让用户能够快捷选择匹配的背景模板，一种是通过给每个背景模板加上标签，将背景模板按照相应的标签进行分类，用户通过标签目录进行背景模板的预览和选择；另一种是系统人工干预，对全部用户推送系统挑选出来的背景模板，但两种方式都无法使用户在短时间内准确选择到相匹配的背景模板。
如何使用户快速的从背景模板库中找到匹配的背景模板是亟需解决的问题。
发明内容
本发明的目的在于克服现有技术的缺陷，提供一种基于自学习的图像集背景模板匹配方法及系统，能够使用户快速的找到与图像集相匹配的背景模板。
为实现上述目的，本发明提出如下技术方案：一种基于自学习的图像集背景模板匹配方法，包括如下步骤：
步骤1，分析背景模板的模板色彩信息，并根据所述模板色彩信息建立背景模板表空间；
步骤2，分析用户上传的图像集，获得图像集像素统计信息，并根据图像集像素统计信息和背景模板匹配规则进行背景模板的匹配，将匹配的背景模板集发送至用户，用户进行背景模板的选择；
步骤3，判断用户选择的背景模板是否在发送给用户的背景模板中，若在，则进行背景模板的使用，否则，对所述图像集像素统计信息和用户选择的背景模板进行自学习分析，生成新的背景模板匹配规则。
优选地，所述步骤1还包括如下步骤：
步骤101，对模板库中现有的背景模板进行图像像素分析统计，获得背景模板图像像素统计数据；
步骤102，从所述背景模板像素统计数据提取主颜色特征值，以及前若干位图像颜色值列表，并以所述主颜色特征值为主键，建立背景模板排放表，多个背景模板排放表构成背景模板表空间；
步骤103，对模板库中的背景模板进行逐一解析，并将分析得到的背景模板数据插入对应的背景模板排放表中；
步骤104，判断是否有新的背景模板的加入，若有，则则对新加入的背景模板进行解析，并将其插入至对应的背景模板排放表中。
优选地，所述步骤2还包括如下步骤：
步骤201，根据图像集像素统计信息和背景模板匹配规则计算获得模板颜色特征值列表；
步骤202，根据所述模板颜色特征值列表查找背景模板表空间，获得匹配的背景模板集。
优选地，所述步骤2还包括用户进行背景模板的选择包括从推荐的背景模板集中选择和从背景模板库中进行选择。
优选地，所述步骤3还包括若存在用户信息，则对用户信息、图像集像素统计信息和用户选择的背景模板进行学习和分析，重新生成背景模板匹配规则。
一种基于自学习的图像集背景模板匹配系统，包括智能匹配单元，以及背景模板库，所述智能匹配单元根据用户上传的图像集信息与背景模板库中的背景模板进行匹配，并将匹配的背景模板发送给用户。
优选地，所述智能匹配单元包括图像分析单元、模板匹配规则单元、模板规则自学习单元，以及背景模板表空间单元；
图像分析单元用于分析背景模板的模板色彩信息，并根据所述模板色彩信息将背景模板存入背景模板表空间单元中，同时对用户上传的图像集进行分析，获得图像集像素统计信息，并将图像集像素统计信息发送至模板匹配模块中进行背景模板匹配，将匹配的背景模板集发送至用户；
模板匹配规则单元用于根据模板匹配规则和图像集像素统计信息在背景模板表空间中查找最优背景模板；
模板规则自学习单元用于分析图像集统计信息，以及用户选择的模板信息，重新生成新的模板匹配规则，并将模板匹配规则更新至模板匹配规则单元中。
优选地，所述模板匹配规则单元需将通用色彩配比原则导入模板匹配规则单元中进行初始化。
优选地，用户进行背景模板的选择包括从推荐的背景模板集中选择和从背景模板库中进行选择。
优选地，所述图像分析单元中若存在用户信息，所述图像分析单元将用户信息、图像集像素统计信息和用户选择的背景模板发送至模板规则自学习单元，所述模板规则自学习单元进行学习和分析，生成新的背景模板匹配规则。
本发明的有益效果是：
本发明所述的基于自学习的图像集背景模板匹配方法及系统，能够使用户快速的找到与其图像集相匹配的背景模板，并且，所述系统通过不断的分析和学习，优化模板匹配规则，使推荐给用户的背景模板集更加准确，大大减少用户的选择时间。
附图说明
图1是本发明的方法流程图示意图；
图2是本发明的图像集像素统计信息示意图；
图3是本发明的系统结构框图示意图；
图4是本发明的图像集示意图。
具体实施方式
下面将结合本发明的附图，对本发明实施例的技术方案进行清楚、完整的描述。
本发明所揭示的一种基于自学习的图像集背景模板匹配方法及系统，能够使用户快速的从海量的背景模板库中找到与图像集相匹配的背景模板。
如图1所示，一种基于自学习的图像集背景模板匹配方法，包括如下步骤：
步骤1，分析背景模板的模板色彩信息，并根据所述模板色彩信息建立背景模板表空间。
具体的，在进行图像集背景模板匹配时，需要从大量的背景模板中进行背景模板的匹配和选择，但每个背景模板上包含的色彩信息各不相同，因此需要根据背景模板的色彩信息将其进行分类存放，便于匹配，其中，根据背景模板的色彩信息建立背景模板表空间，包括如下步骤：
首先，对模板库中现有的背景模板进行图像像素分析统计，获得背景模板图像像素统计数据；
其次，从所述背景模板像素统计数据提取主颜色特征值，以及前若干位图像颜色值列表，并以所述主颜色特征值为主键，建立背景模板排放表，本实施例中，多个背景模板排放表构成背景模板表空间，本实施例中，从所述背景模板像素统计数据提取前百位图像颜色值列表。
最后，对背景模板进行逐一解析，并将分析得到的背景模板数据插入对应的背景模板排放表中。
若有新的背景模板的加入，则对新加入的背景模板进行解析，并将其插入至对应的背景模板排放表中。
背景模板分类排放好后，根据用户上传的图像集智能推荐最优的模板给用户，具体的：
步骤2，分析用户上传的图像集，获得图像集像素统计信息，并根据图像集像素统计信息和背景模板匹配规则进行背景模板的匹配，将匹配的背景模板集发送至用户，用户进行背景模板的选择。
用户在制作电子相册时，需要用到多个图片，称为图像集，本实施例，以用户上传的n个图像为例，其中，n为大于1的整数，进行详细的说明。
用户上传图像集后，对所述图像集进行统计分析，获得图像集像素统计信息，如图2所示，所述图像集像素统计信息包括主色调等。进一步的，根据所述图像集像素统计信息和背景模板匹配规则计算得到模板颜色特征值列表；根据所述模板颜色特征值列表在背景模板表空间中进行匹配和查找，并将符合的背景模板集发送给用户。
用户可以从推荐的背景模板集中自由选择背景模板，也可以从背景模板库中自由选择背景模板。
步骤3，判断用户选择的背景模板是否在发送给用户的背景模板中，若在，则进行背景模板的使用，否则，对所述图像集像素统计信息和用户选择的背景模板进行自学习分析，生成新的背景模板匹配规则。
具体的，用户选择背景模板后，用户所选择的模板可能是从推荐的背景模板集中选择的，也可能是从背景模板库中选择的，因此，需要对用户所选择的背景模板进行判断，判断其是否在推荐的背景模板集中，如果是在推荐的背景模板集中，则不作任何处理；如果用户选择的背景模板不在推荐的背景模板集中，则对图像集像素统计信息和用户最终选择的模板信息进行分析和学习，生成新的背景模板匹配规则，用于背景模板的匹配，通过不断的分析和学习，使得背景模板匹配规则更加的精确，能够向用户推荐更加适合用户图像集的背景模板集。
在对图像集像素统计信息和用户最终选择的模板信息进行分析和学习中，若能够获取用户信息，则还可以根据用户信息、图像集像素统计信息，以及用户选择的背景模板进行不断的分析和学习，生成更加精确的背景模板匹配规则，进行背景模板的匹配。
如图3所示，一种基于自学习的图像集背景模板匹配系统，包括智能匹配单元，以及背景模板库，所述智能匹配单元根据用户上传的图像集信息与背景模板库中的背景模板进行匹配，并将匹配的背景模板发送给用户。
所述智能匹配单元包括图像分析单元、模板匹配规则单元、模板规则自学习单元，以及背景模板表空间单元；
图像分析单元用于分析背景模板的模板色彩信息，并根据所述模板色彩信息将背景模板存入背景模板表空间单元中，同时对用户上传的图像集进行分析，获得图像集像素统计信息，并将图像集像素统计信息发送至模板匹配模块中进行背景模板匹配，将匹配的背景模板集发送至用户；
模板匹配规则单元用于根据模板匹配规则和图像集像素统计信息在背景模板表空间中查找最优背景模板；
模板规则自学习单元用于分析图像集像素统计信息，以及用户选择的模板信息，重新生成新的模板匹配规则，并将模板匹配规则更新至模板匹配规则单元中。
具体的，首先对智能匹配单元进行初始化，包括模板匹配规则单元初始化和背景模板表空间初始化。
进一步地，对模板匹配规则单元进行初始化过程中，将通用色彩配比原则导入模板匹配规则单元中，所述色彩配比原则包括红色配白色、黑色、蓝灰色、米色、灰色；粉红色配紫色、黑色、灰色、墨绿色、白色、米色、褐色、海军蓝等等。所述通用色彩对比原则根据实际情况进行配比。
背景模板表空间初始化过程包括：
首先，图片分析单元对模板库中现有的背景模板进行图像像素分析统计，获得背景模板图像像素统计数据；
其次，根据背景模板图像像素统计数据提取出主颜色特征值，以及前若干位图像颜色值列表，并以所述主颜色特征值为主键，建立背景模板排放表，本实施例中，多个背景模板排放表构成背景模板表空间；
最后，对背景模板进行逐一解析，并将分析得到的背景模板数据插入对应的背景模板排放表中。
若有新的背景模板的加入，则对新加入的背景模板进行解析，并将其插入至对应的背景模板排放表中。
智能匹配单元初始化后，根据用户上传的图像集，进行背景模板匹配，具体的，用户上传图像集到图像分析单元中，图像分析单元对图像集进行统计分析，获得图像集像素统计信息，并将所述图像集像素统计信息发送至模板匹配规则单元中。本实施例中，所述图像分析单元为TimePack云服务实例。
结合图3和图4所示，模板匹配规则单元根据模板匹配规则和接收到的图像集像素统计信息计算出相应的模板颜色特征值列表，根据所述模板颜色特征值列表在背景模板表空间查找对应的背景模板信息。背景模板表空间单元返回符合模板匹配规则的模板列表至模板匹配规则单元中。模板匹配规则单元向图像分析单元返回匹配的背景模板结果，图像分析单元将符合条件的背景模板结果发送至用户，用户得到智能相匹配的背景模板集。
用户可以从推荐的背景模板集中自由选择背景模板，也可以从背景模板库中自由选择背景模板。用户选择背景模板后，用户所选择的模板可能是从推荐的背景模板集中选择的，也可能是从背景模板库中选择的，用户将选择的背景模板结果反馈到图像分析单元中，图像分析单元进一步判断用户选择的模板是否在推荐的背景模板集内，如果是系统推荐的模板，则不做任何处理。如果用户选择的背景模板不在推荐的背景模板集中，图像分析单元将图像集像素统计信息和用户最终选择的背景模板信息发送给模板规则自学习单元，模板规则自学习单元对接收到的图像集统计信息和用户选择的背景模板进行分析和自学习，重新训练生成新的模板匹配规则。模板规则自学习单元将调整后的新的模板匹配规则更新到模板匹配规则单元，模板匹配规则单元根据新的模板匹配规则进行背景模板匹配。
若图像分析单元中存在用户信息，如性别、年龄、所在区域等，这些信息同样发送至模板规则自学习单元中进行用户深度分类解析。模板规则自学习单元根据用户的信息和图像集像素统计信息生成新的模板匹配规则，同时生成新的色彩匹配权重信息，模板匹配规则模块根据新的模板匹配规则和色彩匹配权重信息进行背景模板的匹配。
本发明所述的基于自学习的图像集背景模板匹配方法和系统，能够使用户快速的找到与其图像集相匹配的背景模板，并且，所述系统通过不断的分析和学习，优化模板匹配规则，使推荐给用户的背景模板集更加准确，大大减少用户的选择时间。
本发明的技术内容及技术特征已揭示如上，然而熟悉本领域的技术人员仍可能基于本发明的教示及揭示而作种种不背离本发明精神的替换及修饰，因此，本发明保护范围应不限于实施例所揭示的内容，而应包括各种不背离本发明的替换及修饰，并为本专利申请权利要求所涵盖。
Claims (8)
1.一种基于自学习的图像集背景模板匹配方法，其特征在于，包括如下步骤：
步骤1，分析背景模板的模板色彩信息，并根据所述模板色彩信息建立背景模板表空间，所述步骤1还包括如下步骤：
步骤101，对模板库中现有的背景模板进行图像像素分析统计，获得背景模板图像像素统计数据；
步骤102，从所述背景模板图像像素统计数据提取主颜色特征值，以及前若干位图像颜色值列表，并以所述主颜色特征值为主键，建立背景模板排放表，多个背景模板排放表构成背景模板表空间；
步骤103，对模板库中的背景模板进行逐一解析，并将分析得到的背景模板数据插入对应的背景模板排放表中；
步骤104，判断是否有新的背景模板的加入，若有，则对新加入的背景模板进行解析，并将其插入至对应的背景模板排放表中；
步骤2，分析用户上传的图像集，获得图像集像素统计信息，并根据图像集像素统计信息和背景模板匹配规则进行背景模板的匹配，将匹配的背景模板集发送至用户，用户进行背景模板的选择；
步骤3，判断用户选择的背景模板是否在发送给用户的背景模板中，若在，则进行背景模板的使用，否则，对所述图像集像素统计信息和用户选择的背景模板进行自学习分析，生成新的背景模板匹配规则。
2.根据权利要求1所述的方法，其特征在于，所述步骤1还包括如下步骤：
步骤201，根据图像集像素统计信息和背景模板匹配规则计算获得模板颜色特征值列表；
步骤202，根据所述模板颜色特征值列表查找背景模板表空间，获得匹配的背景模板集。
3.根据权利要求1所述的方法，其特征在于，所述步骤2还包括用户进行背景模板的选择包括从推荐的背景模板集中选择和从背景模板库中进行选择。
4.根据权利要求1所述的方法，其特征在于，所述步骤3还包括若存在用户信息，则对用户信息、图像集像素统计信息和用户选择的背景模板进行学习和分析，重新生成背景模板匹配规则。
5.一种基于自学习的图像集背景模板匹配系统，其特征在于，包括智能匹配单元，以及背景模板库，所述智能匹配单元根据用户上传的图像集信息与背景模板库中的背景模板进行匹配，并将匹配的背景模板发送给用户，所述智能匹配单元包括图像分析单元、模板匹配规则单元、模板规则自学习单元，以及背景模板表空间单元；
图像分析单元用于分析背景模板的模板色彩信息，并根据所述模板色彩信息将背景模板存入背景模板表空间单元中，同时对用户上传的图像集进行分析，获得图像集像素统计信息，并将图像集像素统计信息发送至模板匹配模块中进行背景模板匹配，将匹配的背景模板集发送至用户；
模板匹配规则单元用于根据模板匹配规则和图像集像素统计信息在背景模板表空间中查找最优背景模板；
模板规则自学习单元用于分析图像集像素统计信息，以及用户选择的模板信息，重新生成新的模板匹配规则，并将模板匹配规则更新至模板匹配规则单元中。
6.根据权利要求5所述的系统，其特征在于，所述模板匹配规则单元需将通用色彩配比原则导入模板匹配规则单元中进行初始化。
7.根据权利要求5所述的系统，其特征在于，用户进行背景模板的选择包括从推荐的背景模板集中选择和从背景模板库中进行选择。
8.根据权利要求5所述的系统，其特征在于，所述图像分析单元中若存在用户信息，所述图像分析单元将用户信息、图像集像素统计信息和用户选择的背景模板发送至模板规则自学习单元，所述模板规则自学习单元进行学习和分析，生成新的背景模板匹配规则。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710118852.4A CN106952298B (zh) | 2017-03-01 | 2017-03-01 | 基于自学习的图像集背景模板匹配方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710118852.4A CN106952298B (zh) | 2017-03-01 | 2017-03-01 | 基于自学习的图像集背景模板匹配方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106952298A CN106952298A (zh) | 2017-07-14 |
| CN106952298B true CN106952298B (zh) | 2020-12-25 |
Family
ID=59467062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710118852.4A Active CN106952298B (zh) | 2017-03-01 | 2017-03-01 | 基于自学习的图像集背景模板匹配方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106952298B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109961439A (zh) * | 2017-12-22 | 2019-07-02 | 江苏奥博洋信息技术有限公司 | 一种模板自适应对海量影像的快速切割方法 |
| CN109299445A (zh) * | 2018-08-01 | 2019-02-01 | 政采云有限公司 | 获取文件模板的方法、装置、计算设备及存储介质 |
| CN109726632A (zh) * | 2018-11-22 | 2019-05-07 | 深圳艺达文化传媒有限公司 | 背景推荐方法及相关产品 |
| CN112581565B (zh) * | 2019-09-29 | 2023-11-28 | 上海哔哩哔哩科技有限公司 | 一种生成多媒体素材图的方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105787563A (zh) * | 2014-12-18 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 一种基于自学习机制的快速匹配模糊推理方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7925977B2 (en) * | 2006-05-15 | 2011-04-12 | Sap Ag | Architecture solution map builder |
| CN101594475B (zh) * | 2008-05-26 | 2012-11-28 | 新奥特（北京）视频技术有限公司 | 一种字幕背景模板自适应选择的方法 |
-
2017
- 2017-03-01 CN CN201710118852.4A patent/CN106952298B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105787563A (zh) * | 2014-12-18 | 2016-07-20 | 中国科学院沈阳自动化研究所 | 一种基于自学习机制的快速匹配模糊推理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种图像背景视觉语义模板的生成方法;王惠锋等;《计算机科学》;20030115;第30卷(第1期);第90-93页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106952298A (zh) | 2017-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106952298B (zh) | 基于自学习的图像集背景模板匹配方法及系统 | |
| US10186054B2 (en) | Automatic image-based recommendations using a color palette | |
| US9741137B2 (en) | Image-based color palette generation | |
| US9679532B2 (en) | Automatic image-based recommendations using a color palette | |
| US9542704B2 (en) | Automatic image-based recommendations using a color palette | |
| US9514543B2 (en) | Color name generation from images and color palettes | |
| US9396560B2 (en) | Image-based color palette generation | |
| US20150379006A1 (en) | Automatic image-based recommendations using a color palette | |
| US20160005188A1 (en) | Color name generation from images and color palettes | |
| US20150379001A1 (en) | Automatic color validation of image metadata | |
| EP2765534A2 (en) | System and method for normalization and codificaton of colors for dynamic analysis | |
| CN107944035B (zh) | 一种融合视觉特征和用户评分的图像推荐方法 | |
| CN105830006B (zh) | 图像及视频内容的情感修改 | |
| US11593975B2 (en) | Systems and methods of generating color palettes with a generative adversarial network | |
| US11462002B2 (en) | Wallpaper management method, apparatus, mobile terminal, and storage medium | |
| CN109214374A (zh) | 视频分类方法、装置、服务器及计算机可读存储介质 | |
| CN103577831B (zh) | 用于基于反馈来生成训练模型的方法和装置 | |
| CN108447064B (zh) | 一种图片处理方法及装置 | |
| CN111931256B (zh) | 配色推荐的方法、装置、设备及存储介质 | |
| CN114510564A (zh) | 视频知识图谱生成方法及装置 | |
| CN113837181B (zh) | 一种筛选方法、装置、计算机设备及计算机可读存储介质 | |
| JP2004192555A (ja) | 情報管理方法、情報管理装置及び情報管理プログラム | |
| CN108287817B (zh) | 一种信息处理方法及设备 | |
| CN113628077B (zh) | 生成不重复考题的方法、终端及可读存储介质 | |
| CN110569436A (zh) | 一种基于高维辅助信息的网络媒体新闻推荐方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |