(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211127356.2 (22)申请日 2022.09.16 (71)申请人 南京师范大学 地址 210024 江苏省南京市 鼓楼区宁海路 122号 (72)发明人 孙彦杰　吴明光　李雅倩　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 王安琪 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/12(2017.01) G06V 10/80(2022.01) G06V 10/56(2022.01) (54)发明名称 一种矢量 地图风格自动迁移的方法 (57)摘要 本发明公开了一种矢量地图风格自动迁移 的方法， 包括如下步骤： 步骤1、 参考图像的颜色 提取； 步骤2、 参考图像与矢量地图的颜色匹配； 量化地图颜色的信息传输和美学质量， 然后将它 们转化成双目标优化问题， 利用帕累托前沿进行 采样生成一系列高质量的配色方案， 以自适应地 将颜色从任意图像迁移到矢量地图。 本发明能够 实现从任意图像到矢量地图的颜色迁移， 并且对 于不同比例尺、 主题和区域也具有更好的适应 性； 本发明量化了地图颜色的信息传输和美学质 量， 并将风格转移问题转化为双目标、 多约束优 化问题， 使矢量地图的迁移结果具有更好的信息 传输和美学质量； 针对新手和专家的需求， 提供 四种模式来将风格从图像转移到地图上。 权利要求书3页 说明书8页 附图3页 CN 115439366 A 2022.12.06 CN 115439366 A 1.一种矢量 地图风格自动迁移的方法， 其特 征在于， 包括如下步骤： 步骤1、 参考 图像的颜色提取； 基于视觉感知过程， 将参考图像中的颜色分为四组： 点、 线、 面和背景以适应矢量 地图内容； 步骤2、 参考图像与矢量地图的颜色匹配； 量化地图颜色的信息传输和美学质量， 然后 将它们转化成双目标优化问题， 利用帕累托前沿进行采样生成一系列高质量的配色方案， 以自适应地将颜色从任意图像迁移到 矢量地图。 2.如权利要求1所述的矢量地图风格自动迁移的方法， 其特征在于， 步骤1中， 参考图像 的颜色提取 具体包括如下步骤： 步骤11、 突变强度检测； 对于给定的一张或多张参考图片， 利用Hessian矩阵进行突变 强度检测， 其矩阵的特征值来检测 参考图像中的变化以及图像中突变和渐变的单独区域， 包括最大特征值λ1和最小特征值λ2， 指示强度变化： λ1表 示最大曲率方向的变化程度， λ2表 示与 λ 1相关的垂直方向的变化 程度； 步骤12、 突变方向的检测： 提取点和线， 根据变化的方向从突变的区域中提取点和线； 步骤13、 视觉显著性检测： 提取面和背景； 基于连通性的方法从背景中分离显著区域， 背景区域是区域连通性较大的区域， Conn为区域连通性， p是图片img的某一区域； Lenm是该 区域与边缘区域相交的长度； Area是该区域的面积， ηbg是分离背景区域的阈值， 背景描述 为： Background(img)＝Co nn(p)＞ ηbg,p∈img 基于上述从图像分离的点、 线以及背景要素， 将剩下的视觉上连续的大块区域定义为 面状要素， AoC是 连通区域的面积； ηp是用于移除不显著面的阈值， 因此， 面描述 为： Patch(img)＝AoC(img ‑Blob(img)‑Edge(img) ‑Background(img) )＞ ηp 提取完四类元素后， 利用CIELab中的适当色差JNCD作为色距阈值， 提取出所有类型的 颜色并统计其颜色占比。 3.如权利要求2所述的矢量地图风格自动迁移 的方法， 其特征在于， 步骤12中， 点是一 个在任何方向突然变化的区域， 即λ1和 λ2都相对较大， λ1和 λ2的乘积是Hessian矩阵的行列 式， 因此， 通过Hessian矩阵的行列式来提取图像点， img是参考图像； x和y是图片中的点坐 标； σb是图片过滤器的大小， 表示待提取的点的大小； detH是Hessian矩阵在给定点的行列 式值； localMax是局部最大值， 考虑到人类视觉在感知彩色图形方面的局限性， 引入阈值 ηb， 用于剔除不显著的点， 点描述 为： Blob(img)＝ localMax(detH(x,y, σb))＞ ηb。 4.如权利要求2所述的矢量地图风格自动迁移 的方法， 其特征在于， 步骤12中， 线是仅 在某一方向上发生突变的区域， 在一个方向上， 只有λ1相对较大， maxEig是给定点的 Hessian矩阵的主特征值； σe是图片的滤波器， 调 节提取的线要素的宽度， 类似于点要素， ηe 是用于剔除不明显线的阈值； 线 描述为： Edge(img)＝max  Eig(detH(x,y, σe))＞ ηe。 5.如权利要求1所述的矢量地图风格自动迁移的方法， 其特征在于， 步骤2中， 参考图像 与矢量地图的颜色匹配具体包括如下步骤： 步骤21、 量化颜色的信息传输质量； 定量描述地图要素间的三种语义关系： 差异、 关联 和顺序， 通过用颜色距离来定量评估颜色用于编码语义关系的程度； i和j是地图的两类要权　利　要　求　书 1/3 页 2 CN 115439366 A 2素； rij是要素间的语义关系； μ为差异和关联关系 的色差阈值； α为顺序关系的色相阈值； 为两种颜色的色相差异； 是颜色色度； 为CIELab中两种 颜色之间的欧氏距离， 此外wd， wa， 和wo分别为差异、 关联和顺序关系的权 重； 矢量地图要素间语义关系描述 为： 基于上述两 两要素的语义关系得分， 地图的整体 语义关系得分表示 为： 经过归一化处理后， 矢量 地图语义关系的得分结果取值范围为[0,1]； 习惯用色规则也影响着地图信息传输的质量， 地图会按照惯例选择特定要素的颜色， ci'为其习惯性颜色， γ为维持习惯用色的色差阈值， 对于某个遵守习惯用色的要素， 描述 为： 如果要素i 不存在习惯用色， 则fc(ci)＝1， 进一 步描述地图习惯用色的整体质量 为： 基于上述对语义关系和习惯用色的量化， 通过将语义关系和习惯用色的得分相乘得到 信息传输质量的总分并将其作为优化目标1， 描述 为： F(C)＝fr(C)*fc(C)； 步骤22、 量化矢量地图美； 量化生成的矢量地图颜色与参考图像颜色的相似程度， 使用 归一化平均绝对误差MAE来衡量相 似度， Pmap(ci)为结果地图的要素占比， Pimage(ci)为参考 图中的颜色占比； 考虑到要素维度， 计算Pmap(ci)时， 对于点要素， 考虑点的大小和个数， 对 于线要素， 考虑线的长度和宽度， 对于面和背 景要素， 考虑其面积占比， 因此， 相似程度定量 描述如下： 然后， 引入颜色调和模型量化地图的整体颜色调和度， 模型中调和率的范围从0到5， 对 应于五分评级技 术， 将其标准 化如下： fh(C)＝Harmo ny(C)/5 基于上述对颜色相似度和颜色调和的量化， 通过将两者的得分相乘得到衡量矢量地图 美的总分Fa(C)并将其作为第二优化目标， 如下 所示： Fa(C)＝fs(C)*fh(C)； 步骤23、 组织信息传输质量和地图美； 除步骤2中建立的第一优化目标和第二优化目标 外， 定量构建了图形 ‑背景分离的约束和视 觉识别约束； 其中， 通过显著的色差和亮度对比来约束前背景分离， δc是图形背景分离色差阈值， δb权　利　要　求　书 2/3 页 3 CN 115439366 A 3