基于二维结构模式识别的图标相似性研究

论文总字数：30763字

摘 要

在UI设计中，图标设计是不可或缺的一部分。图标需要向用户传达具体的信息，因此一个图标的语义需要清晰且唯一。但是图标也可以按某些相似的特征来表达一类属性或操作，而过于相似又容易造成混淆，因此设计师需要通过生理和心理分析的方式来评估图标的设计特征和相似性。本设计通过模式识别等方法，对图标的相似性进行定量的机器计算，得出相似度数值，旨在为设计师设计相似图标提供便利和参考。

本设计首先将待评估的图标解构，通过边缘检测将图标含有的各个形状分离，然后通过差异哈希算法和Hu不变矩两种方法分别对各个形状进行相似度计算，最后通过面积占比进行加权整合，得出最终的相似度数值。本方法的主要创新之处在于“解构与整合”和加权计算的思想，现有的图形相似度计算方法都是整体地对图形进行分析，无法适用于具有多种形状元素的图标。因此本方法“解构与整合”和加权计算的思想可以较好地解决这个问题。通过被试实验结果对比，本方法较好地得出了与人的感知相符合的相似度数值。

关键词：图标相似性，模式识别，差异哈希算法，Hu不变矩，加权算法

Abstract

Icon design is an essential part of UI design. Icons need to convey specific information to users, so the semantics of an icon need to be clear and unique. However, icons can also express a class of attributes or operations according to some similar characteristics, and too similar can easily cause confusion. Therefore, designers need to evaluate the design characteristics and similarities of icons through physiological and psychological analysis. This design calculates the similarity of icons quantitatively by means of pattern recognition and other methods, and obtains the similarity value. The purpose is to provide convenience and reference for designers to design similar icons.

This design first deconstructs the image to be evaluated, separates the shapes contained in the icon by edge detection, calculates the similarity of each shape by differential hash algorithm and Hu moment, and finally weights the area proportion to get the final similarity value. The main innovation of this method lies in the idea of "deconstruction and integration" and weighted computing. The existing methods for calculating graph similarity are to analyze graphics as a whole, and cannot be applied to icons with multiple shape elements. Therefore, the idea of "deconstruction and integration" and weighted computing can solve this problem well. By comparing the experimental results of the subjects, this method can get the similarity values which are in good agreement with human perception.

KEYWORDS: Icon Similarity, Pattern Recognition, Differential Hash Algorithm, Hu Moment, Weighting Algorithm

目 录

摘要 …………………………………………………………………………………………… I

Abstract ………………………………………………………………………………………… II

第一章 绪论 ………………………………………………………………………………… 1

1.1 研究背景及意义 ………………………………………………………………… 1

1.2 图标概述 ………………………………………………………………………… 1

1.2.1 图标的含义 ………………………………………………………… 1

1.2.2 图标的造型 ………………………………………………………… 1

1.3 图形相似性理论概述 …………………………………………………………… 2

1.4 模式识别概述 …………………………………………………………………… 3

1.4.1 模式识别 …………………………………………………………… 3

1.4.2 特征提取 …………………………………………………………… 3

第二章 相似度算法原理 …………………………………………………………………… 5

2.1 汉明距离（Hamming Distance） ………………………………………………… 5

2.2 差异哈希算法（Differential Hash Algorithm） ………………………………… 5

2.2.1 算法原理 …………………………………………………………… 5

2.2.2 算法实现 …………………………………………………………… 7

2.3 Hu不变矩（Hu Moment） ……………………………………………………… 8

第三章 图标相似度算法的设计与实现 …………………………………………………… 11

3.1 算法框架 ……………………………………………………………………… 11

3.2 轮廓层级获取模块 …………………………………………………………… 12

3.3 面积计算模块 ………………………………………………………………… 13

3.4 形状分割模块 ………………………………………………………………… 15

3.5 同级比较模块 ………………………………………………………………… 16

3.5.1 同级加权算法原理 ………………………………………………… 16

3.5.2 同级比较模块的实现 ……………………………………………… 18

3.6 分级整合模块 ………………………………………………………………… 20

3.6.1 分级加权算法原理 ………………………………………………… 20

3.6.2 分级整合模块的实现 ……………………………………………… 22

3.7 算法的局限性 ………………………………………………………………… 23

第四章 实验验证 …………………………………………………………………………… 25

4.1 交通信号灯反应时实验设计 ………………………………………………… 25

4.1.1 实验背景与目的 …………………………………………………… 25

4.1.2 实验原理 …………………………………………………………… 25

4.1.3 实验设计 …………………………………………………………… 25

4.1.4 实验过程 …………………………………………………………… 27

4.2 实验结果分析 ………………………………………………………………… 27

4.2.1 算法正确性分析 …………………………………………………… 27

4.2.2 算法优化分析 ……………………………………………………… 29

4.2.3 差异哈希算法与Hu不变矩方法对比分析 ………………………… 29

第五章 结论与展望 ………………………………………………………………………… 31

参考文献 …………………………………………………………………………………… 32

附录 ………………………………………………………………………………………… 34

剩余内容已隐藏，请支付后下载全文，论文总字数：30763字