[发明专利]基于贝叶斯网络的室内家居风格与颜色搭配设计的方法

摘要

本发明公开了一种基于贝叶斯网络的室内家居风格与颜色搭配设计的方法，包括步骤：1)室内风格和颜色设计方案的收集；2)对下载的设计方案进行标注；3)对每类物体的颜色进行聚类；4)训练贝叶斯网络；5)为3D室内场景进行颜色推荐；6)颜色多样化调整；7)设计得到的颜色迁移到纹理上，并将纹理贴在3D场景模型上。本发明利用贝叶斯网络从优秀的室内设计方案(图片)中编码装饰风格和家具颜色搭配之间的关系，可以用于室内场景中的家具颜色搭配的设计。根据用户对装饰风格的要求，本发明的系统可以推荐出符合该风格的室内场景的家具颜色搭配，为我国城市的家装市场、3D游戏动画和虚拟现实场景提供方便快捷的效果展示，具有实际的推广价值。

主权项

1.基于贝叶斯网络的室内家居风格与颜色搭配设计的方法，其特征在于，包括以下步骤：/n1)室内风格和颜色设计方案的收集/n从现有的室内装修服务网站上下载不同风格和不同房间类型的颜色设计方案即图片，作为用于机器学习的数据库；/n2)对下载的设计方案进行标注/n逐个场景，人工提取每个家具的颜色，包括墙面、地板的颜色；其中，需要专门的标注程序：首先对下载的图片中的每个家具利用“框选”操作提取其颜色；选择框的大小，由标注人员根据图片中家具的大小而定；“框选”的结果是家具的某部分像素区域，计算出区域的颜色像素平均值即可得该标注的家具的主要颜色；保存时，以每个场景为单位，视为一条记录；在一条记录中，记录场景编号、场景类型、装修风格以及每个家具标注得到的颜色；/n3)对每类家具的颜色进行聚类/n提取场景中家具的分类，对每类家具的颜色进行两个层次的聚类，先按照不同的风格，对每种类型的家具进行一次聚类；接着，根据每种家具在汇总所有风格的颜色聚类结果下，对每种家具的颜色再聚类一次；/n为了使家具聚类后得到的颜色种类更接近每类风格，对家具的颜色实行两个层次的聚类：首先，根据风格的分类，即在某种风格下，使用K-means方法对每类家具的颜色分别聚类一次，得到了在风格S下，第k类家具的颜色聚类结果，记为接着，根据每种家具在汇总所有风格的颜色聚类结果下，对每种家具的颜色再聚类一次；/n聚类中心的选择：通过设置聚类中心个数从2到9的区间变化，观察所有样本点离其对应的聚类中心的平均权重距离的曲线趋势是否稳定来确定的；/n4)训练贝叶斯网络/n通过标注得到的颜色及其聚类的结果，进行预处理得到每个场景的记录，利用这些数据训练贝叶斯网络，得到贝叶斯网络模型及其条件概率分布，具体如下：/n经步骤3)得到每个家具的颜色后，需要重新处理原来保存的场景记录，即将对每个家具标注得到的原始家具颜色替换为颜色聚类后得到与其对应的某种颜色即聚类中心，替换的结果记为：D＝{d_i,i＝1,2,...,M}，其中，紧接着，将得到的场景记录用于训练TAN贝叶斯网络，目的是建立与场景记录数据一致的网络结构以及计算出条件概率分布表，下面详细介绍建立TAN贝叶斯网络的过程：/n记B＝＜G,Θ＞为TAN贝叶斯网络，G表示一个有向无环图，Θ表示参数集；其中，G包含15个随机变量节点记为{A₀,A₁,...,A_k}和节点间的有向边集；A₀表示为类别节点，A_k表示第k个类型的家具；Θ具体表示为依附于节点上的概率，即对于变量A_k的可能取值a_k∈C_k及其父节点的可能取值都有其中，代表A_k的父节点集合；/n创建TAN贝叶斯网络：首先，建立最大权重生成树，生成树中两个节点间的权重为条件互信息量，按如下计算方式：/n /n其中，表示经验分布，实现上，统计频率作为其概率；/n接着，选择其中一个节点为根，将生成树转换为有向树，方向从根指向其他节点；然后，加入类别节点，并且增加从类别节点到每个属性节点的有向边；这就建立起了TAN贝叶斯网络；最后，根据建立的TAN网络和预处理得到的数据D，利用经验概率分布，计算出整个贝叶斯网络的概率分布；/n5)为3D室内场景进行颜色推荐/n建立虚拟的3D场景，并利用步骤4)中得到条件概率分布和步骤3)中关于风格的颜色聚类结果，建立符合颜色搭配设计的目标函数，使用模拟退火算法优化，为家居场景中的各家具推荐出着色方案；/n6)颜色多样化调整/n在步骤5)中得出的每个家具的颜色种类有限，为了多样化而又不失去原来风格的设计，使用PCA得出每个颜色种类的局部坐标，在这个局部坐标下对颜色做扰动，生成其他丰富的颜色；/n7)设计得到的颜色迁移到纹理上，并将纹理贴在3D场景模型上/n将步骤6)中得到的每个家具的颜色首先迁移到用户任意选择的纹理上，再将颜色迁移后的纹理映射到单个3D模型上。/n