数字图像生成排版系统和方法

摘要

本发明涉及数字图像技术领域，具体涉及数字图像生成排版系统和方法，包括云端数据库，用于建立数据传输网络提供至各数字网络进行数据交互，存储数字图像数据；用户登录系统，用于用户登录系统控制使用；主控模块，是系统的总控制端，用于分析用户种群进行用户分类，并执行命令供下级模块执行；图像采集单元，用于获取提供的所述数字图像，利用网络爬虫确认所述数字图像的实用等级；检索单元，用于检索所述用户的当前数字图像的使用频率；分类单元，用于参考分类后的图像元素数据设定排版阈值；评估模块，用于分析所述图像元素数据并自动进行排版；本发明能够实现数字图像的自动排版，提升了数字图像排版的美观性与正确性。

权利要求

1.数字图像生成排版系统，其特征在于，包括：云端数据库（3），用于建立数据传输网络提供至各数字网络进行数据交互，存储数字图像数据；用户登录系统（2），用于用户登录系统控制使用；主控模块（1），是系统的总控制端，用于分析用户种群进行用户分类，并执行命令供下级模块执行；图像采集单元（4），用于获取提供的所述数字图像，利用网络爬虫确认所述数字图像的实用等级；检索单元（5），用于检索所述用户的当前数字图像的使用频率；

分类单元（6），用于参考分类后的图像元素数据设定排版阈值；评估模块（7），用于分析所述图像元素数据并自动进行排版，所述主控模块（1）中部署有下级子模块，包括：请求单元（101），供用户使用，用于请求登录系统；匹配单元（102），用于匹配用户存储于云端数据库（3）中的数字图像素材；确认单元（103），用于用户确认匹配单元（102）所匹配的用户数据信息是否有误，所述云端数据库（3）由下列子模块进行所述数字图像接收，包括：授权单元（501），用于授权所述数字网络登录系统权限与云端数据库（3）中用户建立连接并进行用户分类；追踪单元（502），用于周期性筛查图像采集单元（4）中采集的所述数字图像数据出现频率，并对过去数据进行产出处理；传输单元（503），用于云端数据库（3）获取或上传所述数字图像数据，所述评估模块（7）有以下子模块组成，包括：判定单元（703），用于利用深度神经网络判别器进行图像评分；分析单元（702），用于判定基于排版阈值评价评分网络模型的输出评分结果是否预设标准；排版单元（701），用于对生成的图像类别和图像尺寸进行分析，确定所述数字图像的排版结果，所述云端数据库（3）接收评估模块（7）所述排版结果，通过深度神经网络生成数字图像生成器，自动对所述用户提供的素材进行排版制作，并生成数字图形；所述数字图像生成排版系统的实施方法，包括以下步骤：Step101：利用网络爬虫追踪，根据数字图像的实用度判断用户的使用频率；Step102：参照用户喜好和用户使用频率进行用户分类；Step103：根据分类组别获取至少一个数字图像，利用深度神经网络判别器进行图像评分；Step104：获取构成目标图像的图像数据，并根据所述图像数据构成至少一个图像图层；Step105：根据至少一张图像图层进行图像元素类别分类；Step106：对生成的图像类别进行分析，自动对用户提供的素材进行排版制作；所述步骤Step102和Step103包括以下步骤：获取用户信息，构成目标图像的图像数据，并根据所述图像数据确定至少一个分类图层组别；根据所述分类图层组别的初始状态得到初始排版图像状态，并将所述初始排版图像状态输入至所述深度神经网络判别器进行图像评分；所述步骤Step103、104中通过所述用户的使用频率采集样本图像，并获取样本图像的标准分数，作为样本图像的分数标签构成所述图像图层，所述步骤Step105中通过所述图像图层获取测试图像，并对所述测试图像进行图像数据的排版图层提取； 根据所述测试图像排版图层的当前位置确定测试图像的当前状态进行图像元素类别分类，并输入至强化排版模型，得到测试图像的目标图层，所述步骤Step106中实时采集评分网络模型的输出结果与样本图像的所述分数标签之间的关系，对所述评分网络模型进行有监督训练，并输出排版结果相关数据存储至云端数据库（3）；若所述输出排版结果不符合当前用户预设标准，则将当前图像状态返回，得到由所述强化排版模型确定的下一图像排版状态，并重新进行排版。

说明书

数字图像生成排版系统和方法

技术领域

[0001] 本发明涉及数字图像技术领域，具体涉及数字图像生成排版系统和方法。

背景技术

[0002] 随着处理技术的大幅度提高以及图形绘制技术、数字信号处理技术、传感技术、图形技术的发展，80年代末、90年代初国际国内形成了对虚拟现实的研究热潮。所为虚拟现实技术即利用计算机生产的逼真的三维视觉、听觉、触觉等等感觉，使得用户可以通过使用专用设备自然地虚拟环境中的实体进行交互考察与控制，各种功能的图像是对信息最直观的展示方式，因此图像的 布局被工作人员看得尤为重要。

[0003] 以海报为例，在设计过程中，排版的问题一直是对于设计人员在制作过程中耗时最大的工作。为了凸显图像的主题，并且让图像的内容更具有可读性。而在其他使用层面，用户往往有不同的使用需求，这就需要对数字图像的各个元素的大小、位置以及其他参数进行精确的设计。目前已有的做法是采用一种智能排版方式，即设定好排版规则，如图像中各个元素之间不能够堆叠，所有元素在图像的固定范围内显示，等等。经过这种智能排版之后，仍然需要由用户本人来进行审核。这就造成了对于数字图像的排版耗费较多的人力成本的问题。然而当前技术并没有运用于基于用户实用度和使用频率进行数字图像排版，其并不能较好的为数字图像带来排版效果。

发明内容

[0004] 针对现有技术所存在的上述缺点，本发明提供了数字图像生成排版系统和方法，解决了当前技术无法基于用户实用度和使用频率进行数字图像排版，其并不能较好的为数字图像带来排版效果的问题。

[0005] 为实现以上目的，本发明通过以下技术方案予以实现：

[0006] 第一方面，数字图像生成排版系统，包括：

[0007] 云端数据库，用于建立数据传输网络提供至各数字网络进行数据交互，存储数字图像数据；

[0008] 用户登录系统，用于用户登录系统控制使用；

[0009] 主控模块，是系统的总控制端，用于分析用户种群进行用户分类，并执行命令供下级模块执行；

[0010] 图像采集单元，用于获取提供的所述数字图像，利用网络爬虫确认所述数字图像的实用等级；

[0011] 检索单元，用于检索所述用户的当前数字图像的使用频率；

[0012] 分类单元，用于参考分类后的图像元素数据设定排版阈值；

[0013] 评估模块，用于分析所述图像元素数据并自动进行排版。

[0014] 更进一步地，所述主控模块中部署有下级子模块，包括：

[0015] 请求单元，供用户使用，用于请求登录系统；

[0016] 匹配单元，用于匹配用户存储于云端数据库中的数字图像素材；

[0017] 确认单元，用于用户确认匹配单元所匹配的用户数据信息是否有误。

[0018] 更进一步地，所述云端数据库由下列子模块进行所述数字图像接收，包括：

[0019] 授权单元，用于授权所述数字网络登录系统权限与云端数据库中用户建立连接并进行用户分类；

[0020] 追踪单元，用于周期性筛查图像采集单元中采集的所述数字图像数据出现频率，并对过去数据进行产出处理；

[0021] 传输单元，用于云端数据库获取或上传所述数字图像数据。

[0022] 更进一步地， 所述评估模块有以下子模块组成，包括：

[0023] 判定单元，用于利用深度神经网络判别器进行图像评分；

[0024] 分析单元，用于判定基于排版阈值评价评分网络模型的输出评分结果是否预设标准；

[0025] 排版单元，用于对生成的图像类别和图像尺寸进行分析，确定所述数字图像的排版结果。

[0026] 更进一步地，所述云端数据库接收评估模块所述排版结果，通过深度神经网络生成数字图像生成器，自动对所述用户提供的素材进行排版制作，并生成数字图形。

[0027] 第二方面，数字图像生成排版方法，包括以下步骤：

[0028] Step101：利用网络爬虫追踪，根据数字图像的实用度判断用户的使用频率；

[0029] Step102：参照用户喜好和用户使用频率进行用户分类；

[0030] Step103：根据分类组别获取至少一个数字图像，利用深度神经网络判别器进行图像评分；

[0031] Step104：获取构成目标图像的图像数据，并根据所述图像数据构成至少一个图像图层；

[0032] Step105：根据至少一张图像图层进行图像元素类别分类；

[0033] Step106：对生成的图像类别进行分析，自动对用户提供的素材进行排版制作。

[0034] 更进一步地，所述步骤Step102的用户分类包括以下步骤：

[0035] 获取用户信息，构成目标图像的图像数据，并根据所述图像数据确定至少一个分类图层组别；

[0036] 根据所述分类图层组别的初始状态得到初始排版图像状态，并将所述初始排版图像状态输入至所述深度神经网络判别器进行图像评分。

[0037] 更进一步地， 所述步骤Step104中通过所述用户的使用频率采集样本图像，并获取样本图像的标准分数，作为样本图像的分数标签构成所述图像图层。

[0038] 更进一步地，所述步骤Step105中通过所述图像图层获取测试图像，并对所述测试图像进行图像数据的排版图层提取； 根据所述测试图像排版图层的当前位置确定测试图像的当前状态进行图像元素类别分类，并输入至强化排版模型，得到测试图像的目标图层。

[0039] 更进一步地，所述步骤Step106中实时采集评分网络模型的输出结果与样本图像的所述分数标签之间的关系，对所述评分网络模型进行有监督训练，并输出排版结果相关数据存储至云端数据库；

[0040] 若所述输出排版结果不符合当前用户预设标准，则将当前图像状态返回，得到由所述强化排版模型确定的下一图像排版状态，并重新进行排版。

[0041] 采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：

[0042] 1、本发明能够利用用户使用频率作为判别器评分的主要依据，以保证生成的内容不仅合理而且符合用户实用度。不同于一般的生成器，本发明中的生成器可以利用用户提供的素材进行创作，可以满足用户的具体创作需求。

[0043] 2、本发明能够自动根据用户分类选取的各个图像的元素类别进行分类处理，更加方便、快捷的排版得到美观的图像，对图像进行精美排版，且操作很简单，只需要识别用户选取自己想要排版的图像即可，终端自动完成排版操作，在操作上更加简便，从而解决相关技术中在进行图像排版时，往往会遇到图像排版操作复杂的技术问题。

[0044] 3、本发明在使用中获取用户使用频率，在传输过程中不累积重复数字图像，保真度更高。同时能够实现多数字图像并行传输，用现代数字信号处理技术进行修改、完善制作。

附图说明

[0045] 为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0046] 图1为数字图像生成排版系统的结构示意图；

[0047] 图2为数字图像生成排版方法的流程示意图；

[0048] 图中的标号分别代表：1、主控模块；101、请求单元；102、匹配单元；103、确认单元；2、用户登录系统；3、云端数据库；4、图像采集单元；5、检索单元；501、授权单元；502、追踪单元；503、传输单元；6、分类单元；7、评估模块；701、排版单元；702、分析单元；703、判定单元。

具体实施方式

[0049] 为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0050] 下面结合实施例对本发明作进一步的描述。

[0051] 实施例1

[0052] 本实施例的数字图像生成排版系统，如图1所示，包括：

[0053] 云端数据库3，用于建立数据传输网络提供至各数字网络进行数据交互，存储数字图像数据；

[0054] 用户登录系统2，用于用户登录系统控制使用；

[0055] 主控模块1，是系统的总控制端，用于分析用户种群进行用户分类，并执行命令供下级模块执行；

[0056] 图像采集单元4，用于获取提供的所述数字图像，利用网络爬虫确认所述数字图像的实用等级；

[0057] 检索单元5，用于检索所述用户的当前数字图像的使用频率；

[0058] 分类单元6，用于参考分类后的图像元素数据设定排版阈值；

[0059] 评估模块7，用于分析所述图像元素数据并自动进行排版。

[0060] 在本实施例使用时，用户通过用户登录系统2登录系统，系统由主控模块1获取用户信息并通过图像采集单元4采集数字图像，经检索单元检索用户的当前数字图像的使用频率，设定排版阈值，其中设定排版阈值的步骤为：根据用户使用频率，确定为当前用户的图片喜好程度，根据所述排版图层的初始位置拼接得到初始的图像状态，输入至强化学习模型，得到目标图像的目标图层以及目标图层的移动步长，将所述目标图层按照目标图层的移动步长进行移动，根据用户类别（如年龄、性别、职业分类）建立多个云端模板，并将当前云端模板录入云端数据库3。

[0061] 数字图像例如可以是海报、杂志封面等。其中云端模板的建立，可以是根据用户的使用频率，将用户使用频率较高的数字图像进行图像信息采集，包括图像的宽度、高度以及图像中各种元素的数据内容，例如背景颜色元素、文字元素以及图像元素等。其中，图像的宽度和高度可以是图像的像素点列数和像素点行数的值。针对背景颜色元素，可以是背景颜色的具体像素值，例如每个像素点的R、G、B三 个通道的颜色分量值。针对文字元素和图像元素，可以是文字元素的范围（如矩形范围的宽度和高度）和图像元素的范围（如圆形的图像的半径大小）。确定每种图像元素后，可以为每一种图像元素确定一个排版图层。其中，一个排版图层中可以包括由多个文字构成的文字元素，一个或者多个图像构成的图像元素以及背景元素等。其中，背景元素由于用于确定背景颜色，则所有的像素点均为有效像素点。而针对文字元素和图像元素，在文字和图像占用的像素点以外的像素点均为无效像素点，只有文字和图像所占用的像素点为有效像素点。 因此，可以将无效像素点设置为无色透明的像素点，例如，像素点的颜色值为(255，255， 255)，透明度可以设置为完全透明，即100％。

[0062] 利用深度神经网络判别器进行图像评分，针对当前状态的数字图像的移动步长和针对当前状态的用户类别输出相关数据，可以自动对图片进行识别尺寸，判定是否云端模板的匹配度并输出评分结果，如果评分不高，则可以对云端模板进行更新，并重新输入进行重新排版，得到新的输出结果。云端数据库3接收评估模块7的排版结果，通过深度神经网络生成数字图像生成器，自动对所述用户提供的素材进行排版制作，并生成数字图形。

[0063] 如图1所示，所述主控模块1中部署有下级子模块，包括：

[0064] 请求单元101，供用户使用，用于请求登录系统；

[0065] 匹配单元102，用于匹配用户存储于云端数据库3中的数字图像素材；

[0066] 确认单元103，用于用户确认匹配单元102所匹配的用户数据信息是否有误。

[0067] 上述即是对主控模块1的进一步细化，主控模块1可从具有一或多个导航特征的导航控制器接收用户的控制信号，用于与用户界面交互。在本实施方案中，导航控制器可为定点装置，其可为允许用户将数字图像数据输入到计算机中的计算机硬件组件(具体地，人机接口装置)。诸如图形用户界面以及电视和监视器的许多系统允许用户使用物理姿势来控制并向计算机或电视机提供数据。

[0068] 如图1所示，所述云端数据库3由下列子模块进行所述数字图像接收，包括：

[0069] 授权单元501，用于授权所述数字网络登录系统权限与云端数据库3中用户建立连接并进行用户分类；

[0070] 追踪单元502，用于周期性筛查图像采集单元4中采集的所述数字图像数据出现频率，并对过去数据进行产出处理；

[0071] 传输单元503，用于云端数据库3获取或上传所述数字图像数据。

[0072] 如图1所示，所述评估模块7有以下子模块组成，包括：

[0073] 判定单元703，用于利用深度神经网络判别器进行图像评分；

[0074] 分析单元702，用于判定基于排版阈值评价评分网络模型的输出评分结果是否预设标准；

[0075] 排版单元701，用于对生成的图像类别和图像尺寸进行分析，确定所述数字图像的排版结果。

[0076] 所述云端数据库3接收评估模块7所述排版结果，通过深度神经网络生成数字图像生成器，自动对所述用户提供的素材进行排版制作，并生成数字图形。

[0077] 本系统使用终端包括但不限于：PC、IPAD、平板、触控终端、折叠屏终端。对于终端的类型和具体型号并不做限定，可根据用户持有的终端自动进行选择。而且本发明可应用于各种终端应用，该终端应用包括但不限于：社交应用、图库应用等。

[0078] 云端数据库3可被实现为非易失性存储装置，诸如但不限于磁盘驱动器、光盘驱动器、磁带驱动器、内部存储装置、附加存储装置、闪存、电池备份sdram(同步dram)和/或网络可访问存储装置。在各种实施方案中，例如，当包括多个硬盘驱动器时，云端数据库3可包括用于提高有价值数字媒体的存储性能增强保护的技术。

[0079] 在各种实施方案中，内容服务装置1430可包括能够传递数字信息和/或内容的有线电视盒、个人计算机、网络、电话、启用互联网的装置或家用电器以及能够经由数字网络单向或双向传送内容的任何其它类似装置。内容的示例可包括任何媒体信息，其包括例如视频、音乐、医疗和游戏信息等。

[0080] 实施例2

[0081] 在具体实施层面，在实施例1的基础上，本实施例做进一步具体说明，数字图像生成排版方法，如图2所示，包括以下步骤：

[0082] Step101：利用网络爬虫追踪，根据数字图像的实用度判断用户的使用频率；

[0083] Step102：参照用户喜好和用户使用频率进行用户分类；

[0084] Step103：根据分类组别获取至少一个数字图像，利用深度神经网络判别器进行图像评分；

[0085] Step104：获取构成目标图像的图像数据，并根据所述图像数据构成至少一个图像图层；

[0086] Step105：根据至少一张图像图层进行图像元素类别分类；

[0087] Step106：对生成的图像类别进行分析，自动对用户提供的素材进行排版制作。

[0088] 在本实施例使用时，用户通过用户登录系统2登录系统，系统由主控模块1获取用户信息并通过图像采集单元4采集数字图像，经检索单元检索用户的当前数字图像的使用频率，设定排版阈值，其中设定排版阈值的步骤为：根据用户使用频率，确定为当前用户的图片喜好程度，根据所述排版图层的初始位置拼接得到初始的图像状态，输入至强化学习模型，得到目标图像的目标图层以及目标图层的移动步长，将所述目标图层按照目标图层的移动步长进行移动，根据用户类别（如年龄、性别、职业分类）建立多个云端模板，并将当前云端模板录入云端数据库3。

[0089] 数字图像例如可以是海报、杂志封面等。其中云端模板的建立，可以是根据用户的使用频率，将用户使用频率较高的数字图像进行图像信息采集，包括图像的宽度、高度以及图像中各种元素的数据内容，例如背景颜色元素、文字元素以及图像元素等。其中，图像的宽度和高度可以是图像的像素点列数和像素点行数的值。针对背景颜色元素，可以是背景颜色的具体像素值，例如每个像素点的R、G、B三 个通道的颜色分量值。针对文字元素和图像元素，可以是文字元素的范围（如矩形范围的宽度和高度）和图像元素的范围（如圆形的图像的半径大小）。确定每种图像元素后，可以为每一种图像元素确定一个排版图层。其中，一个排版图层中可以包括由多个文字构成的文字元素，一个或者多个图像构成的图像元素以及背景元素等。其中，背景元素由于用于确定背景颜色，则所有的像素点均为有效像素点。而针对文字元素和图像元素，在文字和图像占用的像素点以外的像素点均为无效像素点，只有文字和图像所占用的像素点为有效像素点。 因此，可以将无效像素点设置为无色透明的像素点，例如，像素点的颜色值为(255，255， 255)，透明度可以设置为完全透明，即100％。

[0090] 利用深度神经网络判别器进行图像评分，针对当前状态的数字图像的移动步长和针对当前状态的用户类别输出相关数据，可以自动对图片进行识别尺寸，判定是否云端模板的匹配度并输出评分结果，如果评分不高，则可以对云端模板进行更新，并重新输入进行重新排版，得到新的输出结果。云端数据库3接收评估模块7的排版结果，通过深度神经网络生成数字图像生成器，自动对所述用户提供的素材进行排版制作，并生成数字图形。

[0091] 实施例3

[0092] 在具体实施层面，在实施例2的基础上，本实施例做进一步具体说明，如图2所示，[0093] 所述步骤Step102的用户分类包括以下步骤：

[0094] 获取用户信息，构成目标图像的图像数据，并根据所述图像数据确定至少一个分类图层组别；

[0095] 根据所述分类图层组别的初始状态得到初始排版图像状态，并将所述初始排版图像状态输入至所述深度神经网络判别器进行图像评分。

[0096] 如图2所示，所述步骤Step104中通过所述用户的使用频率采集样本图像，并获取样本图像的标准分数，作为样本图像的分数标签构成所述图像图层。

[0097] 如图2所示，所述步骤Step105中通过所述图像图层获取测试图像，并对所述测试图像进行图像数据的排版图层提取； 根据所述测试图像排版图层的当前位置确定测试图像的当前状态进行图像元素类别分类，并输入至强化排版模型，得到测试图像的目标图层。

[0098] 所述步骤Step106中实时采集评分网络模型的输出结果与样本图像的所述分数标签之间的关系，对所述评分网络模型进行有监督训练，并输出排版结果相关数据存储至云端数据库3；

[0099] 若所述输出排版结果不符合当前用户预设标准，则将当前图像状态返回，得到由所述强化排版模型确定的下一图像排版状态，并重新进行排版。

[0100] 综上而言，本发明能够利用用户使用频率作为判别器评分的主要依据，以保证生成的内容不仅合理而且符合用户实用度。不同于一般的生成器，本发明中的生成器可以利用用户提供的素材进行创作，可以满足用户的具体创作需求。

[0101] 本发明能够自动根据用户分类选取的各个图像的元素类别进行分类处理，更加方便、快捷的排版得到美观的图像，对图像进行精美排版，且操作很简单，只需要识别用户选取自己想要排版的图像即可，终端自动完成排版操作，在操作上更加简便，从而解决相关技术中在进行图像排版时，往往会遇到图像排版操作复杂的技术问题。

[0102] 并且本发明在使用中获取用户使用频率，在传输过程中不累积重复数字图像，保真度更高。同时能够实现多数字图像并行传输，用现代数字信号处理技术进行修改、完善制作。

[0103] 以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。