[发明专利]图表转换方法及装置

说明书

本发明公开了一种图表转换方法，所述方法包括以下步骤：获取待转换静态图表的第一像素数据；根据图表转换模型对所述第一像素数据进行识别，获得对应的第一图表描述数据；根据所述第一图表描述数据生成相应的矢量图表。本发明还公开了一种图表转换装置。本发明通过图表转换模型对待转换静态图表的第一像素数据进行识别，获得对应的第一图表描述数据，再根据所述第一图表描述数据生成相应的矢量图表，从而能够将静态图表转换为矢量图表。

技术领域

本发明涉及数字图像处理技术领域，尤其涉及一种图表转换方法及装置。

背景技术

图表作为数据和信息的主要传递方式，在纸质或者电子出版物上起到了至关重要的作用。相较于文字信息，图表信息具有更加直观、更易于理解等特点。然而，网络或者出版物上的大部分静态图表无法进行交互操作，如数据查看、缩放、平移、旋转等操作，严重的妨碍了用户深入理解图表及获取图表的关键信息。若将静态的图表转换为动态交互式图表，将极大方便用户从多个角度精确理解图表信息。

目前尚未有合适的技术能够做到将静态图表转换为矢量图表，现有的图表矢量化技术多立足于对图表进行描边、二值化及贝塞尔曲线拟合，因为程序缺乏对图表具体内容的理解，不可能在缺少人工干预的情况下完全还原矢量图表的信息。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种图表转换方法及装置，旨在解决现有技术中无法将静态图表转换为矢量图表的技术问题。

为实现上述目的，本发明提供一种图表转换方法，所述方法包括以下步骤：

获取待转换静态图表的第一像素数据；

根据图表转换模型对所述第一像素数据进行识别，获得对应的第一图表描述数据；

根据所述第一图表描述数据生成相应的矢量图表。

优选地，所述获取待转换静态图表的第一像素数据之前，所述方法还包括：

获取若干样本静态图表的第二像素数据以及对应的第二图表描述数据；

通过所述第二像素数据以及对应的第二图表描述数据对神经网络模型进行训练；

将训练后的神经网络模型作为所述图表转换模型。

优选地，所述神经网络模型包括：深度卷积神经网络层、双循环神经网络编码层和输出解码层；

相应地，所述通过所述第二像素数据以及对应的第二图表描述数据对神经网络模型进行训练，具体包括：

通过所述深度卷积神经网络层从所述第二像素数据中提取视觉特征；

通过所述双循环神经网络编码层对提取的视觉特征进行重新组织与序列化；

通过所述输出解码层根据重新组织与序列化后的视觉特征生成对应的预测表述数据；

根据所述第二像素数据和预测表述数据之间的差别对所述神经网络中的各层参数进行调整，以实现对所述神经网络模型进行训练。

优选地，所述深度卷积神经网络层包括：卷积层和池化层；

相应地，所述通过所述深度卷积神经网络层从所述第二像素数据中提取视觉特征，具体包括：

通过若干次卷积层和若干次池化层从所述第二像素数据中提取视觉特征。

优选地，所述根据图表转换模型对所述第一像素数据进行识别，获得对应的第一图表描述数据，具体包括：

通过所述图表转换模型中的深度卷积神经网络层从所述第一像素数据中提取视觉特征；