CN108171777A - 基于遗传算法的寻找相邻序列帧锚点的方法 - Google Patents
基于遗传算法的寻找相邻序列帧锚点的方法 Download PDFInfo
- Publication number
- CN108171777A CN108171777A CN201711436069.9A CN201711436069A CN108171777A CN 108171777 A CN108171777 A CN 108171777A CN 201711436069 A CN201711436069 A CN 201711436069A CN 108171777 A CN108171777 A CN 108171777A
- Authority
- CN
- China
- Prior art keywords
- anchor point
- sequence frame
- function
- max
- genetic algorithm
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种基于遗传算法的寻找相邻序列帧锚点的方法,包括:对S个序列帧构建S个二元像素函数Vi(x,y);在每个二元像素函数Vi(x,y)中,随机选取P个坐标点作为种子锚点初始化全局偏差值e,允许偏差emax,迭代次数T,最小迭代次数Tmin,最大迭代次数Tmax,迭代偏差变化Δe、允许迭代偏差变化Δemax;如果e>emax且Δe>Δemax且T≤Tmax,则重新计算迭代偏差变化Δe;否则,输出P1|k,k=1,2,…,S,作为S个序列帧图片的锚点值;基于P1|k作为锚点,采用锚点映射函数,完成S个序列帧图片转换到相同尺度下的动画序列帧图的转换。本发明使用遗传算法实现多张序列帧图中锚点的计算,使得作为锚点为不动点下的帧图相邻之间差异性最小,从而达到优化将一组有序静态图生成动画的播放效果。
Description
技术领域
本发明涉及图像传输技术领域,尤其是一种基于遗传算法的寻找相邻序列帧锚点的方法。
背景技术
随着计算机技术的飞速发展,人们越来越多的利用计算机来帮助人们获取或处理视觉图像信息,据统计,在人类从外籍获取的信息中,有80%是来自于视觉,这包括图像、图形、视频等,它是人们最有效的信息获取和交流的方式,图像也因含有大量信息、直观表现等优势,在多媒体处理技术中占有非常重要的位置,图像处理从本质上讲是对图像信息进行加工,以满足人的视觉心理或应用需求的行为。
在日常生活中,人工智能技术渗透到游戏、动漫制作的过程中,需要从大量静态图通过插图方式实现动图(动画)的转换。在将静态图实现动画转换过程中,寻找相邻序列帧之间的锚点(不动点),是整个过程的关键,对有限资源的快速锚点迭代计算,现有技术未实现全局最优解。
因此,现有技术需要改进。
发明内容
本发明实施例所要解决的一个技术问题是:提供一种基于遗传算法的寻找相邻序列帧锚点的方法,包括:
S1:对S个序列帧构建S个二元像素函数Vi(x,y),横坐标x满足0≤x≤wi,为第i个矩阵的宽度,纵坐标y满足0≤y≤hi,hi为第i个矩阵的高度,Vi(x,y)表征第i帧上x、y坐标上的RGB值,0<i≤S;
S2:在每个二元像素函数Vi(x,y)中,随机选取P个随机坐标点作为种子锚点其中0<i≤N,N为序列帧的长度,0<j≤P;
S3:初始化全局偏差值e=1000000、允许偏差emax=0.01、迭代次数T=1、最小迭代次数Tmin=10000,最大迭代次数Tmax=100000、迭代偏差变化Δe=1000、允许迭代偏差变化Δemax=0.001,所述最小迭代次数用于防止迭代不充分,过早退出;
S4:判断是否满足e>emax且Δe>Δemax且T≤Tmax,
S5:如果是,则输出P1|k,k=1,2,…,S,作为S个序列帧图片的锚点值;
S6:如果否,重新计算迭代偏差变化Δe;
所述S6包括:
S101:初始化k=0,e0=e;
S102:选取k=k+1,判断是否满足k=N;
S103:如果是,则Δe=|e0-e|,T=T+1,执行S4;
S104:如果否,计算第k个函数Vk基于P个种子锚点到第k+1个函数有限P个种子锚点的最小锚点距离分别为
S105:按从小到大顺序对P个最小锚点距离进行排序为:
对应的锚点序列为:
S106:计算第k函数下的后代锚点: α为基因传导系数,α=0.8;
S107:计算随机数r=rand(),r∈(0,1),如果r≥β,则最后一个锚点产生基因变异:Pi|k=Pr(xr,yr),其中xr=wk·rand(),yr=hk·rand(),在第k个函数二元参数尺度内产生随机的锚点坐标Pr(xr,yr),β为变异系数,β=0.01;
S108:计算执行S101;
S7:基于P1|k作为锚点,采用锚点映射函数,完成S个序列帧图片转换到相同尺度下的动画序列帧图的转换。
在基于本发明上述基于遗传算法的寻找相邻序列帧锚点的方法的另一个实施例中,所述随机选取P个坐标点作为种子锚点的方法为采用平均分布的方式。
在基于本发明上述基于遗传算法的寻找相邻序列帧锚点的方法的另一个实施例中,所述随机选取P个坐标点作为种子锚点的方法为采取各帧左上、右上、左下、右下以及中心点五个参考点作为种子锚点。
在基于本发明上述基于遗传算法的寻找相邻序列帧锚点的方法的另一个实施例中,所述二元像素函数Vi(x,y)中,对于每个像素函数定义一组二元参数(xi,yj),则基于锚点的扩充函数满足: 且 其中,wi、hi分别为第i个像素函数的x和y传输参数的最大值,在中的二元传输参数称为不动点,其中,
在基于本发明上述基于遗传算法的寻找相邻序列帧锚点的方法的另一个实施例中,所述像素函数Vi(x,y)基于锚点(xi,yj)在扩充函数和不动点下的映射函数为:
其中,
在基于本发明上述基于遗传算法的寻找相邻序列帧锚点的方法的另一个实施例中,所述最小锚点距离的计算方法为:
设两个像素函数Vi(x,y)、Vj(x,y)分别对应的锚点为Pm|i(xm,ym)、Pn|j(xn,yn),则两个函数的锚点距离实现了距离的标一化处理;
假设两个像素函数Vi(x,y)中锚点为Pm|i(xm,ym)、Vj(x,y)有Q个锚点Pn|j(xn,yn),n=1,…,Q,函数Vi基于Pm|i与下与函数Vj在有限锚点集合Q中的最小锚点距离为:
与现有技术相比,本发明具有以下优点:
本发明使用遗传算法实现多张序列帧图中锚点的计算,使得作为锚点为不动点下的帧图相邻之间差异性最小,从而达到优化将一组有序静态图生成动画的播放效果,通过使用遗传算法中的繁衍和变异的机制,使得一个长度为N的序列帧的锚点问题,梳理为N个不等长宽的RGB数值矩阵;在这些RGB数值矩阵中找出一个点全部映射到背景图中的特定点,实现相邻帧之间RGB数值偏差最小的问题,达到了使静态图像转换为动态图像的平稳转换。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例,并且连同描述一起用于解释本发明的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本发明,其中:
图1为本发明的基于遗传算法的寻找相邻序列帧锚点的方法的一个实施例的流程图。
图2为本发明的基于遗传算法的寻找相邻序列帧锚点的方法的另一个实施例的流程图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
首先,对本发明涉及的相关参数进行定义:
定义1,像素函数:整型二元函数V(x,y)称为像素函数,如果其满足该函数返回坐标<x,y>下的像素值,且x、y为坐标传参满足0<x≤w和0<x≤h,w、h分别称为传输参数x、y的最大值。
定义2,锚点扩充及不动点:一组像素函数每个像素函数定义一组二元参数(xi,yj),则基于锚点的扩充函数满足:且 其中,wi、hi分别为第i个像素函数的x和y传参的最大值;其中在中的二元传参称为不动点,其满足
图1为本发明的基于遗传算法的寻找相邻序列帧锚点的方法的一个实施例的流程图,图2为本发明的基于遗传算法的寻找相邻序列帧锚点的方法的另一个实施例的流程图,如图1、图2所示,该实施例的基于遗传算法的寻找相邻序列帧锚点的方法包括:
S1:对S个序列帧构建S个二元像素函数Vi(x,y),横坐标x满足0≤x≤wi,为第i个矩阵的宽度,纵坐标y满足0≤y≤hi,hi为第i个矩阵的高度,Vi(x,y)表征第i帧上x、y坐标上的RGB值,0<i≤S;
S2:在每个二元像素函数Vi(x,y)中,随机选取P个随机坐标点作为种子锚点其中0<i≤N,N为序列帧的长度,0<j≤P;
S3:初始化全局偏差值e=1000000、允许偏差emax=0.01、迭代次数T=1、最小迭代次数Tmin=10000,最大迭代次数Tmax=100000、迭代偏差变化Δe=1000、允许迭代偏差变化Δemax=0.001,所述最小迭代次数用于防止迭代不充分,过早退出;
S4:判断是否满足e>emax且Δe>Δemax且T≤Tmax,
S5:如果是,则输出P1|k,k=1,2,…,S,作为S个序列帧图片的锚点值;
S6:如果否,重新计算迭代偏差变化Δe;
所述S6包括:
S101:初始化k=0,e0=e;
S102:选取k=k+1,判断是否满足k=N;
S103:如果是,则Δe=|e0-e|,T=T+1,执行S4;
S104:如果否,计算第k个函数Vk基于P个种子锚点到第k+1个函数有限P个种子锚点的最小锚点距离分别为
S105:按从小到大顺序对P个最小锚点距离进行排序为:
对应的锚点序列为:
S106:计算第k函数下的后代锚点: α为基因传导系数,α=0.8;
S107:计算随机数r=rand(),r∈(0,1),如果r≥β,则最后一个锚点产生基因变异:Pi|k=Pr(xr,yr),其中xr=wk·rand(),yr=hk·rand(),在第k个函数二元参数尺度内产生随机的锚点坐标Pr(xr,yr),β为变异系数,β=0.01;
在上述S103、S107中使用了遗传算法的繁衍与变异,从而使得算法可以避免陷入局部最优解,在全局尺度下具有良好的求解机会。
S108:计算执行S101;
S7:基于P1|k作为锚点,采用锚点映射函数,完成S个序列帧图片转换到相同尺度下的动画序列帧图的转换。
所述二元像素函数Vi(x,y)中,对于每个像素函数定义一组二元参数(xi,yj),则基于锚点的扩充函数满足: 且 其中,wi、hi分别为第i个像素函数的x和y传输参数的最大值,在中的二元传输参数称为不动点,其中,
所述像素函数Vi(x,y)基于锚点(xi,yj)在扩充函数和不动点下的映射函数为:
其中,
所述最小锚点距离的计算方法为:
设两个像素函数Vi(x,y)、Vj(x,y)分别对应的锚点为Pm|i(xm,ym)、Pn|j(xn,yn),则两个函数的锚点距离实现了距离的标一化处理;
假设两个像素函数Vi(x,y)中锚点为Pm|i(xm,ym)、Vj(x,y)有Q个锚点Pn|j(xn,yn),n=1,…,Q,函数Vi基于Pm|i与下与函数Vj在有限锚点集合Q中的最小锚点距离为:
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (6)
1.一种基于遗传算法的寻找相邻序列帧锚点的方法,其特征在于,包括:
S1:对S个序列帧构建S个二元像素函数Vi(x,y),横坐标x满足0≤x≤wi,为第i个矩阵的宽度,纵坐标y满足0≤y≤hi,hi为第i个矩阵的高度,Vi(x,y)表征第i帧上x、y坐标上的RGB值,0<i≤S;
S2:在每个二元像素函数Vi(x,y)中,随机选取P个随机坐标点作为种子锚点其中0<i≤N,N为序列帧的长度,0<j≤P;
S3:初始化全局偏差值e=1000000、允许偏差emax=0.01、迭代次数T=1、最小迭代次数Tmin=10000,最大迭代次数Tmax=100000、迭代偏差变化Δe=1000、允许迭代偏差变化Δemax=0.001,所述最小迭代次数用于防止迭代不充分,过早退出;
S4:判断是否满足e>emax且Δe>Δemax且T≤Tmax,
S5:如果是,则输出P1|k,k=1,2,…,S,作为S个序列帧图片的锚点值;
S6:如果否,重新计算迭代偏差变化Δe;
所述S6包括:
S101:初始化k=0,e0=e;
S102:选取k=k+1,判断是否满足k=N;
S103:如果是,则Δe=|e0-e|,T=T+1,执行S4;
S104:如果否,计算第k个函数Vk基于P个种子锚点到第k+1个函数有限P个种子锚点的最小锚点距离分别为
S105:按从小到大顺序对P个最小锚点距离进行排序为:
对应的锚点序列为:
S106:计算第k函数下的后代锚点:i=1,…,P,α为基因传导系数,α=0.8;
S107:计算随机数r=rand(),r∈(0,1),如果r≥β,则最后一个锚点产生基因变异:Pi|k=Pr(xr,yr),其中xr=wk·rand(),yr=hk·rand(),在第k个函数二元参数尺度内产生随机的锚点坐标Pr(xr,yr),β为变异系数,β=0.01;
S108:计算执行S101;
S7:基于P1|k作为锚点,采用锚点映射函数,完成S个序列帧图片转换到相同尺度下的动画序列帧图的转换。
2.根据权利要求1所述的基于遗传算法的寻找相邻序列帧锚点的方法,其特征在于,所述随机选取P个坐标点作为种子锚点的方法为采用平均分布的方式。
3.根据权利要求1所述的基于遗传算法的寻找相邻序列帧锚点的方法,其特征在于,所述随机选取P个坐标点作为种子锚点的方法为采取各帧左上、右上、左下、右下以及中心点五个参考点作为种子锚点。
4.根据权利要求1所述的基于遗传算法的寻找相邻序列帧锚点的方法,其特征在于,所述二元像素函数Vi(x,y)中,对于每个像素函数定义一组二元参数(xi,yj),则基于锚点的扩充函数满足:且
其中,wi、hi分别为第i个像素函数的x和y传输参数的最大值,在中的二元传输参数称为不动点,其中,
5.根据权利要求4所述的基于遗传算法的寻找相邻序列帧锚点的方法,其特征在于,所述像素函数Vi(x,y)基于锚点(xi,yj)在扩充函数和不动点下的映射函数为:
其中,
6.根据权利要求1所述的基于遗传算法的寻找相邻序列帧锚点的方法,其特征在于,所述最小锚点距离的计算方法为:
设两个像素函数Vi(x,y)、Vj(x,y)分别对应的锚点为Pm|i(xm,ym)、Pn|j(xn,yn),则两个函数的锚点距离为:实现了距离的标一化处理;
假设两个像素函数Vi(x,y)中锚点为Pm|i(xm,ym)、Vj(x,y)有Q个锚点Pn|j(xn,yn),n=1,…,Q,函数Vi基于Pm|i与下与函数Vj在有限锚点集合Q中的最小锚点距离为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436069.9A CN108171777B (zh) | 2017-12-26 | 2017-12-26 | 基于遗传算法的寻找相邻序列帧锚点的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436069.9A CN108171777B (zh) | 2017-12-26 | 2017-12-26 | 基于遗传算法的寻找相邻序列帧锚点的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108171777A true CN108171777A (zh) | 2018-06-15 |
CN108171777B CN108171777B (zh) | 2021-08-10 |
Family
ID=62521750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711436069.9A Active CN108171777B (zh) | 2017-12-26 | 2017-12-26 | 基于遗传算法的寻找相邻序列帧锚点的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171777B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381740B1 (en) * | 1997-09-16 | 2002-04-30 | Microsoft Corporation | Method and system for incrementally improving a program layout |
CN1859575A (zh) * | 2006-01-25 | 2006-11-08 | 华为技术有限公司 | 遗传搜索方法 |
CN103020321A (zh) * | 2013-01-11 | 2013-04-03 | 广东图图搜网络科技有限公司 | 近邻搜索方法与系统 |
CN104616247A (zh) * | 2015-02-10 | 2015-05-13 | 天津大学 | 一种用于基于超像素sift航拍地图拼接的方法 |
CN105069173A (zh) * | 2015-09-10 | 2015-11-18 | 天津中科智能识别产业技术研究院有限公司 | 基于有监督的拓扑保持哈希的快速图像检索方法 |
-
2017
- 2017-12-26 CN CN201711436069.9A patent/CN108171777B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381740B1 (en) * | 1997-09-16 | 2002-04-30 | Microsoft Corporation | Method and system for incrementally improving a program layout |
CN1859575A (zh) * | 2006-01-25 | 2006-11-08 | 华为技术有限公司 | 遗传搜索方法 |
CN103020321A (zh) * | 2013-01-11 | 2013-04-03 | 广东图图搜网络科技有限公司 | 近邻搜索方法与系统 |
CN104616247A (zh) * | 2015-02-10 | 2015-05-13 | 天津大学 | 一种用于基于超像素sift航拍地图拼接的方法 |
CN105069173A (zh) * | 2015-09-10 | 2015-11-18 | 天津中科智能识别产业技术研究院有限公司 | 基于有监督的拓扑保持哈希的快速图像检索方法 |
Non-Patent Citations (2)
Title |
---|
GUANGJIEHAN ET AL: "Mobile anchor nodes path planning algorithms using network-density-based clustering in wireless sensor networks", 《JOURNAL OF NETWORK AND COMPUTER APPLICATIONS》 * |
何传江: "分形图像编码技术的算法研究", 《中国博士学位论文全文数据库电子期刊 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108171777B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hoffman | Table visualizations: a formal model and its applications | |
Nusrat et al. | Evaluating cartogram effectiveness | |
CN105976378B (zh) | 基于图模型的显著性目标检测方法 | |
Liu et al. | SwapGAN: A multistage generative approach for person-to-person fashion style transfer | |
Feixas et al. | A unified information-theoretic framework for viewpoint selection and mesh saliency | |
Dang et al. | Stacking graphic elements to avoid over-plotting | |
CN109886121A (zh) | 一种遮挡鲁棒的人脸关键点定位方法 | |
Gajer et al. | GRIP: Graph drawing with intelligent placement | |
CN107729819A (zh) | 一种基于稀疏全卷积神经网络的人脸标注方法 | |
US20210073575A1 (en) | Switchable propagation neural network | |
CN103077549B (zh) | 一种基于kd树的实时大规模地形可视化实现方法 | |
CN104899563A (zh) | 一种二维人脸关键特征点定位方法及系统 | |
CN101404091A (zh) | 基于两步形状建模的三维人脸重建方法和系统 | |
Xu et al. | Grm: Large gaussian reconstruction model for efficient 3d reconstruction and generation | |
CN109146769A (zh) | 图像处理方法及装置、图像处理设备及存储介质 | |
CN108416722A (zh) | 一种图像显示方法、存储介质及终端设备 | |
CN102647588A (zh) | 一种用于分层搜索运动估计的gpu加速方法 | |
CN104254868A (zh) | 使用至少一个较高帧速率图像流提高图像流帧速率的方法和装置 | |
CN102999321A (zh) | 毛笔电子画刷设置装置和毛笔电子画刷 | |
CN110544318A (zh) | 一种基于显示窗口的场景分辨率的海量模型加载方法 | |
CN1920880A (zh) | 一种基于视频流的人脸表情幻想方法 | |
CN113962979A (zh) | 一种基于深度图像的布料碰撞仿真增强呈现方法及装置 | |
Ye et al. | InvPT++: Inverted Pyramid Multi-Task Transformer for Visual Scene Understanding | |
Hara et al. | Enhancement of novel view synthesis using omnidirectional image completion | |
CN108171777A (zh) | 基于遗传算法的寻找相邻序列帧锚点的方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210805 Address after: 510000 Room 305, No. 74, Kexue Avenue, Huangpu District, Guangzhou, Guangdong Applicant after: Youmeng blockchain Technology (Guangzhou) Co., Ltd Address before: 510000 room h, 4th floor, Jinxing building, No. 1 Hanjing Road, Tianhe District, Guangzhou, Guangdong Applicant before: GUANGZHOU POMOSHEN NETWORK TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right |