面向多尺度折线图数据解析的两阶段方法

摘要：

折线图数据解析在医疗、学术等领域具有重要价值,传统的基于图形学的方法需要对每个像素归类再进行后续识别从而影响了算法的效率,而基于神经网络的方法由于需要依赖显著的图表特征,在背景与线条颜色相近、折线较细等情况下存在效果不佳等问题.基于此,本文融合图形学方法和神经网络方法,提出了一种两阶段折线图数据解析方法.首先,基于色彩筛选线条上的像素对轴标签、边界、角点、网格等图表基础信息进行检测;其次,利用神经网络获取初步分割结果,结合传统图形学方法进一步完善分割效果并进行数值映射;最后,在多尺度折线图数据抽样数据集上评估本文算法,在轴标签检测中F1-Score值达到0.851,在线条分割中mIoU值达到0.921,在数值映射中平均欧式距离达到0.087.实验结果表明该方法可以有效解决线条与背景色颜色接近、图表分辨率不高等场景下的折线图数据解析问题.

关键词：色彩筛选、折线图、数据解析

所属期刊栏目：13

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：97-102