[发明专利]基于BP神经网络对颜色和谐度进行预测的方法

说明书

本发明公开了一种基于BP神经网络对颜色和谐度进行预测的方法。本发明以大量的数据集为基础，首先在三种不同的颜色空间中通过人为设定的方式定义训练所需的颜色特征，再将这些颜色特征以交叉验证的方式放入BP神经网络进行训练，之后通过验证集验证训练的结果，并且通过调参的方式使模型变得更加精确。最后将需要预测和谐度评分的五色颜色模板放入BP神经网络中，产生预测评分，从而达到将颜色和谐这一概念量化成具体的分数。本发明预测的和谐度值具有很高的准确性，同时还能够用于现实生活中很多颜色搭配的场景当中。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于BP神经网络对颜色和谐度进行预测的方法。

背景技术

人们对一幅图像的整体感觉往往是靠配色判断的，和谐的配色能够决定图像的整体氛围和创作者想要表达的情感。尽管人们对颜色的感知与自身所处的环境和当地文化相关，但是关于颜色和谐的整体偏好是基本相同的。随着现代色彩学理论的形成，颜色和谐理论逐渐开始发展。色轮的提出将颜色和谐同颜色在色轮中的位置相关联，继而提出了相似色、互补色等和谐的配色。

随着颜色和谐理论的研究不断深入，人们逐渐开始通过实验来研究颜色和谐以及颜色偏好。例如通过心理学实验入手，招募志愿者来观察定量的颜色对并给出是否和谐的评价，然后通过研究物理实验中得到的结果来获取影响颜色和谐的因素。然而这种通过实验方式获取的数据来自少数参与者、小范围的颜色和少量的颜色组合，得到的结果有很大的局限性。随着大数据时代的到临，有些学者采用数据驱动的方法，从大型在线网站中提取数据集，通过训练在线主题数据集的LASSO回归模型来预测颜色主题的和谐度。虽然这种方法通过大量数据集进行训练，其结果更加适用于一般场景，鲁棒性也更高，然而这种通过LASSO回归的方式产生的预测结果的准确度并不能让人满意。因此寻找一种能够以分数的方式准确评价颜色和谐程度的方法具有十分重要的意义。

发明内容

本发明针对现有技术的不足，提供了一种基于BP神经网络对颜色和谐度进行预测的方法。

本发明解决其技术问题所采用的技术方案如下：

基于BP神经网络对颜色和谐度进行预测的方法，包含如下步骤：

步骤一：输入需要训练的训练集t_train，以及对应的和谐度分数r_train。

步骤二：在RGB、Lab和HSV三种颜色空间下从训练集t_train中提取颜色特征进行训练，具体包括五种颜色在三种颜色空间下的平均值、标准差、最大值、最小值、极差、中值、众数、颜色矩，以及五种颜色间欧氏距离、相邻颜色的差以及排序后的颜色差。

步骤三：设定BP神经网络的基本参数；

3-1：确定隐藏层数；

3-2：确定隐藏层节点数的数量；

3-3：确定学习速率；

3-4：确定迭代次数；

步骤四：通过交叉验证的方法将训练集按照上一步骤设定的基本参数在BP神经网络中训练，并且输出结果。

步骤五：通过验证集验证预测分数和真实分数的误差，比较结果的准确性。

步骤六：将需要预测的五色颜色主题t’输入到神经网络中，输出其预测的和谐度分数r’。

本发明的有益效果：与之前的方法相比采用了机器学习中BP神经网络的方法，在重新选取颜色特征的基础上对数据集进行训练，和之前的研究相比准确率获得了大幅提高。

具体实施方式

以下结合具体实施方式对本发明作进一步说明。

本实施例的具体步骤是：