[發明專利]基于深度學習與數字圖像處理的數字扎染圖案生成方法

有效

• 申請號: 202010058211.6
• 申請日: 2020-01-19
• 公開（公告）號: CN111260755B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 劉素瓊;薛衛;邢曉剛;顧鳴
• 申請（專利權）人: 金陵科技學院
• 主分類號: G06T11/40
• 分類號: G06T11/40;G06T3/40;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/047;G06N3/08
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華;于瀚文

1.基于深度學習與數字圖像處理的數字扎染圖案生成方法，其特征在于，包括如下步驟：

步驟1，構建ICI-ACDCGAN網絡；

步驟2，對ICI-ACDCGAN網絡進行訓練，得到訓練好的生成網絡ICI-ACDCGAN；

步驟3，輸入圖形框架圖；

步驟4，利用訓練好的生成網絡ICI-ACDCGAN生成花形圖和背景圖，基于校色與關鍵區域拼貼對圖形框架圖進行處理，輸出圖形框架圖為生成扎染圖；

步驟1中ICI-ACDCGAN網絡包括生成網絡G和判別網絡D，生成網絡G用于根據輸入隨機噪聲生成模擬圖片，判別網絡D用于判斷生成模擬圖片是否為真實的，并輸出圖為真的概率和圖片類別；

步驟1中，所述生成網絡G有5層，輸入100維隨機向量和m維的類標簽向量，m是網絡能生成的圖形類數，生成網絡G第一層是全連接層，大小4×4×1024；第二層反卷積層中卷積核大小為5×5輸出512維大小為8×8的特征映射，步長strides為2；第三層反卷積層中卷積核大小為5×5輸出256維大小為16×16的特征映射，步長strides為2；第四層反卷積層中卷積核大小為5×5輸出128維大小為32×32的特征映射，步長strides為2；第五層反卷積層中卷積核大小為5×5輸出3維大小為64×64的特征映射，步長strides為2；

步驟1中，所述判別網絡D有6層，其輸入是生成網絡G輸出的三通道RGB圖像大小為64×64矩陣，判別網絡D的第一層卷積層中卷積核大小為5×5輸出64維大小為32×32的特征映射，strides為2；第二層卷積層中卷積核大小為5×5輸出128維大小為16×16的特征映射，strides為2；第三層卷積層中卷積核大小為5×5輸出256維大小為8×8的特征映射，strides為2；第四層卷積層中卷積核大小為5×5輸出512維大小為4×4的特征映射，strides為2；第五層卷積層中卷積核大小為3×3輸出1024維大小為4×4的特征映射，然后判別網絡D分支成兩個同級輸出層：一個連接大小為1024全連接層，輸出圖為真的概率；另一個連接集成分類網絡，所述集成分類網絡包括k個并行同結構子網分類器，子網分類器連接兩個1024和512大小全連接層，輸出m個類別Softmax概率估計，最后將m個類別判斷送入投票器，投票器判斷得票最多的類為生成圖片類別；

步驟2包括：

步驟2-1，采集扎染花形圖、背景圖組成數據集Z，按比例λ隨機抽取數據集Z中一部分樣本組成k個新數據集，定義訓練目標函數：

L_s＝E[lnP(S＝real|X_real)]+E[lnP(S＝fake|X_fake)]

其中，L_S表示正確圖像源的對數似然，表示第i個子網分類器正確類別的對數似然，i＝1,2…k，判別網絡D訓練的目標是最大生成網絡G訓練的目標是最大E()指期望值，P(S＝real|X_real)表示判別網絡D判斷真實圖像為真real的概率；

P(S＝fake|X_real)表示判別網絡D判斷生成網絡G生成的圖像為假fake的概率，

Pⁱ(Cⁱ＝c|X_real)表示判別網絡D的第i個子網分類器對真實圖像分類是否正確的概率，Pⁱ(Cⁱ＝c|X_fake)表示判別網絡D的第i個子網分類器對生成圖像分類是否正確的概率，X_real、X_fake分別是真實圖和生成圖，c是類別標記，Cⁱ是第i個子網分類器輸出；

步驟2-2，訓練k次ICI-ACDCGAN網絡，i＝1,2…k，每次用第i個新的數據集訓練整個網絡和第i個子網分類器，同時固定其余k-1個子網分類器兩個1024和512大小全連接層的參數；

步驟4包括：

步驟4-1，獲取圖形框架圖寬高值W和H，使用區域連通算法提取出圖形框架圖中所有圓，記錄下圓個數n，圓最小相鄰間隔距離t，第i個圓中心坐標(x_i，y_i)，i＝1,2,…n，將所有圓設置為白色，圖形框架圖區域稱為畫布圖像；

步驟4-2，設置每個ICI-ACDCGAN網絡生成方形扎染小圖案邊長len＝Rnd()/3+2/3，Rnd()為0-1間的隨機數；

步驟4-3，將圖形框架圖均分成p＝ROUNDUP(W/len)×ROUNDUP(H/len)個區域，ROUNDUP()為小數向上取整函數；用訓練好的ICI-ACDCGAN網絡生成p個背景圖，背景圖大小縮放至len×len，進行校色操作：

步驟4-4，校色后，遍歷圖形框架圖中p個區域，分別將p個校色后背景圖復制到p個區域；在RGB三通道采用大小為5*5的濾波窗口進行中值濾波消除相鄰圖像邊緣線；

步驟4-5，用訓練好的ICI-ACDCGAN網絡生成n個RGB扎染花形圖，花形圖大小縮放至len×len；

步驟4-6，對扎染花形圖做校色處理，剔除花形圖案的藍底部分，通過關鍵區域拼貼算法解決花形校色及與背景融合的問題；

步驟4-7，輸出圖形框架圖為生成扎染圖案。