[发明专利]基于椭圆傅里叶的产品外形意向设计方法

摘要

本发明涉及产品外形设计技术领域，具体地说，是涉及一种基于椭圆傅里叶的产品外形意向设计方法，是一种结合消费者感性意象的产品外形设计生成方法。本发明通过对产品外形的椭圆傅里叶分析、感性意象分析、外形优化生成等步骤，确定择优方案，得到目标意象的关联外形特征。本发明首次在产品外形意象设计领域引入椭圆傅里叶技术对进行外形描述，展示了该技术对于产品外形信息描述和提炼的优势，其获取方式简单高效，精度和鲁棒性高，所得数据凝练了产品外形信息，更有利于开展后续的产品外形量化研究。

主权项

1.一种基于椭圆傅里叶的产品外形意象设计方法，包括如下步骤：S1:产品外形椭圆傅里叶分析,S11：图像预处理图像预处理的具体流程为：先将产品图稿经过二值图像、平滑处理和阈值分割后，滤除图像背景的非目标信息，再提取产品的轮廓边界特征，得到以轮廓边界某点为起始点，沿顺时针或逆时针方向绕边界一周，由a个离散采样点的x、y坐标组成的二维轮廓点坐标序列z(i)，该序列描述了样本产品外形轮廓的形状特征，表示为z(i)＝(x(i),y(i))(i＝0,1,…,a‑1)  (1)S12：椭圆傅里叶描述子计算z(i)代表了一条周期性封闭轮廓曲线，该曲线上的任意点用该点到曲线起点间的弧长t为参数表示为P(t)＝(x_t,y_t)，将P(t)在x轴和y轴的投影用椭圆傅里叶级数展开为式中：为轮廓中心点的横坐标，为轮廓中心点的纵坐标，n为谐波频次，N为最大谐波频次，t为弧长参数。将以上新插值点坐标函数用黎曼求和法得到其三角函数的四个近似椭圆傅里叶系数a_xn、b_xn、a_yn、b_yn为该式中：A为新插值点数，四个系数与同一谐波频次n对应。这样，任意封闭的轮廓可用一组包含n个谐波频次的椭圆傅里叶系数描述成F即为椭圆傅里叶描述子系数矩阵，它通过控制具有四维参数的椭圆谐波频次n来逼近物体的轮廓曲线；当n取不同值时，轮廓曲线的拟合效果将出现差异，具体表现为低频次谐波影响轮廓的整体特征，高频次谐波影响轮廓的局部细节；S13：图像预处理归一化椭圆傅里叶描述子假定n次谐波的归一化系数分别是那么：S131：设椭圆傅立叶的直流分量将轮廓中心点变换到坐标原点，实现位置的归一化；S132：根据下式变换椭圆傅里叶系数，进行方向归一化：式中：a₁,b₁,c₁和d₁是第一椭圆的四个谐波系数，S133：计算第一个椭圆E^*的大小，然后将每个描述子矩阵除以E^*，将大小归一化：S14：主成分分析在采用椭圆傅里叶方法对数量为Q的总体样本外形轮廓展开描述并得到矩阵F基础上，采用主成分分析将矩阵F降维至m维，此时，各主成分累积方差贡献率达到某设定值，对应的总体样本主成分得分矩阵Z可表示为S2：感性意象分析，包括如下子步骤S21：感性意象测量调研搜集适合描述样本外形的感性意象形容词，经专家访谈后确定总体感性意象集，用语义差异法和7点李克特量表法量化表征各形容词，再结合各样本预处理后的外形轮廓制成感性意象调查问卷，让受测者完成对各样本外形轮廓的感性意象问卷评价。在对问卷进行测量与回收统计后，可得到个体受测者的感性意象评分矩阵式中：i为样本编号，j各感性意象形容词对编号，为第k个受测者对第i个样本的第j个感性意象形容词对的评分值。进一步求出全体受测者的评分均值矩阵式中：K为受测者总数。S22：感性意象综合评分模型构建与总体样本关键感性意象定位将总体样本的主成分得分矩阵Z与评分均值矩阵合并做相关分析，得到二者的相关系数矩阵C，按以下步骤可定位关键感性意象：S221：删除无显著相关的感性意象形容词相关系数矩阵C包含非常显著相关、显著相关和不相关三种显著性水平，其中P<0.05表示两者显著相关，将与所有主成分全部不相关，即显著性水平P≥0.05的感性意象形容词剔除后，余下全为关键感性意象；S222：构建总体样本的感性意象综合评分模型为按重要程度排序各关键感性意象，给相关系数矩阵C中各相关系数的不同显著性水平赋予0、1、2三个不同的乘数系数λ，构建如下感性意象综合评分模型式中：i为感性意象形容词个数，j为主成分数，j_max为最大主成分数，C_ij和P_ij分别为第i个意象形容词与第j个主成分的相关系数和显著性水平，S_i为第i个形容词的总体样本感性意象综合评分；S223：定位总体样本的关键感性意象由式(10)计算各感性意象形容词的S_i并由高到低排序，排序情况反映感性意象的重要程度；S3外形优化生成S31：个体方案主成分评价模型构建与评价，其具体步骤为：S311：根据总体样本关键感性意象的定位情况和设计项目实际要求选取多目标意象；S312：依据与各目标意象的相关系数显著性水平值确定关键主成分X'＝{x'/P(x')＜0.05,1≤x'≤x'_max,x'∈N}  (11)式中：X'为关键主成分的集合，x'为关键主成分，P_(x')为第x'个关键主成分与目标意象的相关系数显著性水平值，x'_max为最大主成分数；S313：以各目标意象值为因变量，与各目标意象对应的关键主成分得分为自变量，建立主成分评价模型式中：i为各目标意象，为各目标意象值，k为关键主成分个数，和分别为各目标意象主成分评价模型的拟合残差向量和回归系数，为各目标意象对应的各关键主成分得分。S314：将个体创意外形方案的椭圆傅里叶描述子数据加入标杆产品总体样本的描述子数据矩阵并计算其主成分得分，由于个体方案的加入对标杆产品总体样本主成分得分矩阵的数据扰动非常微小，可忽略不计，因此，将与各目标意象对应的个体方案的关键主成分得分代入主成分评价模型，求得该方案的各目标意象值；再依次分别计算其余创意外形方案的各目标意象值，完成对所有创意外形方案的感性意象评价；S32：外形优化生成随后，参考外形设计目标来开展方案寻优，确定择优方案，若择优方案仍不满足外形设计目标，在对比差异性后，改变择优方案的关键主成分得分重新拟合生成新的外形方案，进一步通过调整与目标意象相关的关联外形特征来优化新方案；在此过程中，先对总体样本的主成分得分进行正态性检验，以总体样本各主成分得分的均值及均值±3倍标准差数据分别拟合外形轮廓，该轮廓组合图能反映样本99％的外形特征变化规律；通过该图把握各主成分的关联外形特征，再结合反映主成分与感性意象关系的相关系数矩阵C，得到目标意象的关联外形特征。