[发明专利]一种基于绘画时间的笔划线条全局聚类方法

摘要

一种基于绘画时间的笔划线条全局聚类方法，能够利用时间信息快速、准确地完成线画图线条的全局聚类，主要包括以下步骤：首先,计算线条之间的空间距离；其次，计算线条之间的时间距离；然后，构建线条的时空关联矩阵；最后，通过谱聚类方法实现线条的全局聚类，将用户输入的线条划分为在空间和时间上较为相近的若干组。

主权项

1.基于绘画时间的笔划线条全局聚类方法，对于线画图中线条定义为S＝{S₁,S₂,...,S_n},线条S_i上的点集定义为定义所有的笔划起笔时间为T_r＝{t₁',t'₂,...,t'_n}；定义所有的笔划落笔时间为T_s＝{t₁,t₂,...,t_n}；D_s(S_i,S_j)计算线条S_i与S_j间的空间距离，D_t(S_i,S_j)计算线条S_i与S_j间的时间距离，具体包括以下步骤：步骤1，对于线画图中任意两线条Si与Sj，计算其空间距离Ds(Si,Sj)＝max(Hausdorff(Si,Sj),Hausdorff(Sj,Si)),利用所有的线条空间距离构建空间距离矩阵Md；其中i≠j,Hausdorff(Si,Sj)计算线条Si中所有点Pi到Sj最短距离的最大值；步骤2，对于线画图中任意两线条Si与Sj，当ij时,计算其时间距离Dt(Si,Sj)＝|ti‑t'j|；然后利用所有的线条空间距离构建时间距离矩阵Mt；步骤3，通过Mr＝λMd+(1‑λ)Mt构建线条间的时空关联矩阵Mr；步骤4，对Mr进行谱聚类：首先对时空关联矩阵Mr生成归一化后的拉普拉斯矩阵L，并从L中找到k个最小的特征值以及对应的特征向量Ve，最后根据k‑means算法对Ve进行聚类，得到k个线条聚类，从而获取输入线画图的全局聚类结果。