一种基于大数据的动漫图像处理方法及系统与流程

本发明涉及动漫图像处理，具体为一种基于大数据的动漫图像处理方法及系统。

背景技术：

1、随着人工智能技术的不断发展，越来越多的媒体和行业开始应用ai技术进行生产和创作。其中，动漫图像领域也逐渐开始采用ai自动生成动漫图像及视频，以提高制作效率和节省成本。ai自动生成动漫图像通常是基于深度学习技术实现的，它主要通过对已有大量训练数据进行分析和学习，从而生成新的动画内容；它主要包括两个大步骤，一是数据集的建立，二是基于构建好的数据集进行的模型训练；所以在一种动漫图像处理事件中数据集的合理化构建尤为重要；

2、现有技术中会存在用户使用动漫图像处理软件进行现实图像与动漫图像的转化，在此过程中会存在同一现实图像经过多次转化后生成的动漫图像存在差异，而这个差异的原因则是在ai转化过程中数据集存在的差异，并且生成的不同图像对一些用户存在不同的喜好偏向，当经历多次生成的动漫图像仍不满足用户喜好时则会使用户基于该动漫处理软件的使用感、好感下降，从而逐步降低应用的使用频率。那么对于软件开发者而言如何有效的捕捉用户偏好来提高动漫图像转化处理的效率、应用性以及市场积极性是值得进一步研究的。

技术实现思路

1、本发明的目的在于提供一种基于大数据的动漫图像处理方法及系统，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的动漫图像处理方法，包括以下分析步骤：

3、步骤s100：获取应用ai处理技术生成的动漫图像转化事件，动漫图像转化事件包括待转化图像和输出动漫图像，基于图像特征对待转化图像进行分类，辨析每一类待转化图像对应动漫图像转化事件中的目标转化事件；

4、步骤s200：目标转化事件记录动漫图像转化过程，提取动漫图像转化过程对应ai处理技术每次采集的数据集为待分析数据集，基于待分析数据集分析目标转化事件中存在用户倾向偏差的输出动漫图像与不存在用户倾向偏差的输出动漫图像间的数据集区别集合；

5、步骤s300：提取相同类型待转化图像对应目标转化事件记录的数据集区别集合，结合不同类型待转化图像对应动漫图像转化事件生成的待分析数据集，分析输出对应类型应用ai处理技术生成动漫图像的有效数据集；

6、步骤s400：匹配实时利用ai处理技术对应待转化图像所处图像类型的有效数据集，优先将有效数据集中的图像数据存储至ai处理技术在对图像进行动漫处理时所需构建数据集中。

7、因为在ai处理过程中对数据集的筛选范围是很大的，对相同特征不同数据的筛选会存在差异，所以就会造成同一图像经过相同步骤的动漫处理会生成不同的动漫图像；如果可以有效的基于用户反馈来得知用户对于动漫图像生成的喜好倾向，来得到在同类型图像经过动漫处理所需数据集的有效图像数据，不仅能够提高ai分析系统对于数据集筛选的方向性，又能增强用户对于ai动漫图像处理的正向使用感受，不用经过多次转化处理才能实现用户满意度较高的图像选取。

8、进一步的，步骤s100包括以下具体步骤：

9、步骤s110：图像特征是指在对图像提取过程中提取要素面积占比最大的特征；在每一类待转化图像中标记同一待转化图像生成m个输出动漫图像的动漫图像转化事件并构建考察转化事件包，m≥2；考察转化事件包由一个待转化图像与m1个不同的输出动漫图像构成，2≤m1≤m；

10、步骤s120：将考察转化事件包中输出动漫图像按照输出时间顺序进行排序；依次获取每一输出动漫图像在生成显示后的用户操作内容和用户操作时长t；当用户操作内容为下载、保存或截图时，输出特征值为a1；当用户操作内容为除去下载、保存、截图外其他操作事项时，输出特征值为a2，a2<a1；利用公式：p＝k1*a+k2*t，计算考察转化事件包中每一输出动漫图像的用户倾向偏差指数p，a＝{a1,a2}；k1表示特征值的参考系数，k2表示用户操作时长的参考系数；

11、步骤s130：获取考察转化事件包中所有输出动漫图像记录的用户倾向偏差指数p，利用公式：l＝{[∑(p-p0)2]/m1}1/2，计算考察转化事件包对应的离散指数l；其中p0表示考察转化事件包中记录用户倾向偏差指数平均值，设置离散指数阈值l0，当l>l0时输出对应考察转化事件包为目标事件包，目标事件包中的动漫图像转化事件为目标转化事件。

12、离散指数大于离散指数阈值说明在考察转化事件包中记录的输出动漫图像的用户倾向偏差指数存在较大差异，而用户倾向偏差指数在一定程度上是反应用户对生成动漫图像的喜好程度；本技术从喜好程度偏差较大的转化事件包进行分析可以快速且有效的锁定造成用户喜好差异的ai分析数据集。避免离散指数小造成的喜好不明显或者用户对图像转化事件目的不明确的情况，不能直观反映出算法挑选数据集差异对用户喜好造成的影响。

13、进一步的，步骤s200包括以下具体步骤：

14、步骤s210：获取目标事件包记录的用户倾向偏差指数平均值p0，输出大于用户倾向偏差指数平均值对应的目标转化事件为存在用户倾向偏差的目标转化事件并标记为第一转化事件，输出小于等于用户倾向偏差指数平均值对应的目标转化事件为不存在用户倾向偏差的目标转化事件并标记为第二转化事件；

15、步骤s220：提取第i个第一转化事件对应的待分析数据集c1i，c1i＝{b1,b2,...,bn1}i，b1,b2,...,bn1表示第一转化事件中构建数据集的第1、2、...n1个图像数据，以及第j个第二转化事件对应的待分析数据集c2j，c2j＝{d1,d2,...,dn2}j，d1,d2,...,dn2表示第二转化事件中构建数据集的第1、2、...n2个图像数据，i≤w1，j≤w2；w1表示第一转化事件的总个数，w2表示第二转化事件的总个数；

16、当w1和w2为1时，计算第一数据集区别集合z1，z1＝c1i-(c1i∩c2j)；

17、当w1或w2大于1时，将转化事件个数不为一的转化事件对应待分析数据集求交集得到共有数据集c01，当共有数据集c01为第一转化事件对应的数据集时，利用公式：z2＝c01-(c01∩c)，当共有数据集c01为第二转化事件对应的数据集时，利用公式：z2＝c-(c01∩c)，计算第二数据集区别集合z2，c表示转化事件个数为一对应的待分析数据集；

18、当w1和w2大于1时，分别将两类转化事件各自对应的待分析数据集求交集得到共有数据集c01、c02，利用公式：z3＝c01-(c01∩c02)，计算第三数据集区别集合z3。

19、进一步的，步骤s300包括以下具体步骤：

20、步骤s310：提取同类型且图像相似度不同的待转化图像为目标转化图像并构成转化图像集合，遍历转化图像集合中每一目标转化图像计算任意两目标转化图像间的相似度r，基于相似度将对应两目标转化图像以数据包的形式按照相似度数值进行由大到小的排序，并生成第一序列；提取第一序列中每一数据包记录目标转化图像的数据集区别集合，计算数据集区别集合的相似指数e，e＝e1/e0，其中e1表示数据包记录两数据集区别集合中图像数据相同的个数，e0表示数据包记录两数据集区别集合中图像数据最小值；

21、步骤s320：将每一数据包对应的相似度r与相似指数e作为输入量，计算两者的线性相关系数，若相似度r与相似指数e相关，则将同类型待转化图像记录的每一数据集区别集合作为对应目标转化事件的初步选择数据集；若相似度r与相似度指数e不相关，则输出转化图像集合中各数据集区别集合的交集为对应待转化图像类型的初步选择数据集；

22、步骤s330：标记不同类型待转化图像对应动漫图像转化事件生成的待分析数据集为对照数据集，将对照数据集与初步选择数据集进行求交集得到第一数据集，并在初步选择数据集基础上筛除第一数据集生成各类型应用ai处理技术生成动漫图像的有效数据集。第一数据集表示不能够体现对应同类型图像特征的数据集，剔除后可以增加同类型数据集解析的精确定位。

23、进一步的，步骤s400包括以下具体步骤：

24、当相似度r与相似指数e相关时，获取实时待转化图像对应图像特征匹配的图像类型，检索历史记录相同图像类型且与实时待转化图像相似度最高的图像为对照图像；提取对照图像所处目标转化事件记录的有效数据集作为实时转化图像的有效数据集；

25、当相似度r与相似指数e不相关时，获取实时待转化图像对应的图像类型，提取图像类型记录的有效数据集作为实时转化图像的有效数据集

26、一种基于大数据的动漫图像处理系统，包括动漫图像转化事件获取模块、目标转化事件辨析模块、数据集区别集合生成模块、有效数据集分析模块和匹配存储模块；

27、动漫图像转化事件获取模块用于获取应用ai处理技术生成的动漫图像转化事件；

28、目标转化事件辨析模块用于辨析每一类待转化图像对应动漫图像转化事件中的目标转化事件；

29、数据集区别集合生成模块用于基于待分析数据集分析目标转化事件中存在用户倾向偏差的输出动漫图像与不存在用户倾向偏差的输出动漫图像间的数据集区别集合；

30、有效数据集分析模块用于分析输出对应类型应用ai处理技术生成动漫图像的有效数据集；

31、匹配存储模块用于匹配实时利用ai处理技术对应待转化图像所处图像类型的有效数据集，优先将有效数据集中的图像数据存储至ai处理技术在对图像进行动漫处理时所需构建数据集中。

32、进一步的，目标转化事件辨析模块包括考察转化事件包构建单元、用户倾向偏差指数计算单元、离散指数计算单元和目标转化事件输出单元；

33、考察转化事件包构建单元用于在每一类待转化图像中标记同一待转化图像生成输出动漫图像的动漫图像转化事件并构建考察转化事件包；

34、用户倾向偏差指数计算单元用于将考察转化事件包中输出动漫图像按照输出时间顺序进行排序；依次获取每一输出动漫图像在生成显示后的用户操作内容和用户操作时长，计算考察转化事件包中每一输出动漫图像的用户倾向偏差指数；

35、离散指数计算单元用于获取考察转化事件包中所有输出动漫图像记录的用户倾向偏差指数，计算考察转化事件包对应的离散指数；

36、目标转化事件输出单元用于设置离散指数阈值，当离散指数大于离散指数阈值时输出对应考察转化事件包为目标事件包，目标事件包中的动漫图像转化事件为目标转化事件。

37、进一步的，数据集区别集合生成模块包括转化事件分类单元和数据集区别集合分类计算单元；

38、转化事件分类单元用于获取目标事件记录的用户倾向偏差指数平均值，输出大于用户倾向偏差指数平均值对应的目标转化事件为存在用户倾向偏差的目标转化事件并标记为第一转化事件，输出小于等于用户倾向偏差指数平均值对应的目标转化事件为不存在用户倾向偏差的目标转化事件并标记为第二转化事件；

39、数据集区别集合分类计算单元用于基于第一转化事件、第二转化事件个数输出计算第一数据集区别集合、第二数据集区别集合和第三数据集区别集合。

40、进一步的，有效数据集分析模块包括转化图像集合构建单元、第一序列生成单元、相似指数计算单元、线性分析单元和有效数据集输出单元；

41、转化图像集合构建单元用于提取同类型且图像相似度不同的待转化图像为目标转化图像并构成转化图像集合；

42、第一序列生成单元用于基于相似度将对应两目标转化图像以数据包的形式按照相似度数值进行由大到小的排序，并生成第一序列；

43、相似指数计算单元用于计算数据集区别集合的相似指数；

44、线性分析单元用于将每一数据包对应的相似度与相似指数作为输入量，计算两者的线性相关系数确定相关结果，基于结果输出初步选择数据集；

45、有效数据集输出单元用于标记不同类型待转化图像对应动漫图像转化事件生成的待分析数据集为对照数据集，将对照数据集与初步选择数据集进行求交集得到第一数据集，并在初步选择数据集基础上筛除第一数据集生成各类型应用ai处理技术生成动漫图像的有效数据集。

46、与现有技术相比，本发明所达到的有益效果是：本发明先对待转化图像进行原始分类，从不同类别出发降低特征分析的误差；并通过对动漫转化事件进行提取分析，得到可以验证为用户存在偏好的图像多次转化事件，基于该事件提取转化过程中所需的数据集，分析同类型转化事件中数据集的差异，从而提取影响偏好产生的差异图像数据；并将差异图像数据与不同类型转化事件进行对照分析最终输出有效数据集，使有效数据集在实时转化中可以优先供给数据集，提高动漫数据转化生成图像对于用户的满意度；提高用户基于图像转化应用的高效性。

技术特征：

1.一种基于大数据的动漫图像处理方法，其特征在于，包括以下分析步骤：

2.根据权利要求1所述的一种基于大数据的动漫图像处理方法，其特征在于：所述步骤s100包括以下具体步骤：

3.根据权利要求2所述的一种基于大数据的动漫图像处理方法，其特征在于：所述步骤s200包括以下具体步骤：

4.根据权利要求3所述的一种基于大数据的动漫图像处理方法，其特征在于：所述步骤s300包括以下具体步骤：

5.根据权利要求4所述的一种基于大数据的动漫图像处理方法，其特征在于：所述步骤s400包括以下具体步骤：

6.一种基于大数据的动漫图像处理系统，如使用权利要求1-5中任一项所述的一种基于大数据的动漫图像处理方法，其特征在于，包括动漫图像转化事件获取模块、目标转化事件辨析模块、数据集区别集合生成模块、有效数据集分析模块和匹配存储模块；

7.根据权利要求6所述的一种基于大数据的动漫图像处理系统，其特征在于：所述目标转化事件辨析模块包括考察转化事件包构建单元、用户倾向偏差指数计算单元、离散指数计算单元和目标转化事件输出单元；

8.根据权利要求7所述的一种基于大数据的动漫图像处理系统，其特征在于：所述数据集区别集合生成模块包括转化事件分类单元和数据集区别集合分类计算单元；

9.根据权利要求8所述的一种基于大数据的动漫图像处理系统，其特征在于：所述有效数据集分析模块包括转化图像集合构建单元、第一序列生成单元、相似指数计算单元、线性分析单元和有效数据集输出单元；

技术总结
本发明涉及动漫图像处理领域，具体为一种基于大数据的动漫图像处理方法及系统，包括动漫图像转化事件获取模块、目标转化事件辨析模块、数据集区别集合生成模块、有效数据集分析模块和匹配存储模块；动漫图像转化事件获取模块用于获取应用AI处理技术生成的动漫图像转化事件；目标转化事件辨析模块用于辨析每一类待转化图像对应动漫图像转化事件中的目标转化事件；数据集区别集合生成模块用于基于待分析数据集分析目标转化事件中存在用户倾向偏差的输出动漫图像与不存在用户倾向偏差的输出动漫图像间的数据集区别集合；有效数据集分析模块用于分析输出对应类型应用AI处理技术生成动漫图像的有效数据集。

技术研发人员：谢绵祺,温鼎铭
受保护的技术使用者：深圳萌想文化传播有限公司
技术研发日：
技术公布日：2024/9/23