[发明专利]一种基于图文信息的柔版印刷压力预测方法

权利要求书

1.一种基于图文信息的柔版印刷压力预测方法，其特征在于，具体按以下步骤实施：

步骤1，对分色原稿图像进行二值化操作，得到二值化图像；

步骤2，将经步骤1得到的二值化图像进行取反操作，得到反色二值化图像；

步骤3，将经步骤2得到的反色二值化图像划分为若干规则的网格，计算每个网格区域内的图文面积，得到面积矩阵；

步骤4，对分色原稿图像进行梯度计算，得到梯度图像；

步骤5，将经步骤4得到的梯度图像划分为若干规则的网格，计算每个网格内的最大梯度值，得到最大梯度值矩阵；

步骤6，将经步骤3和5得到的面积矩阵和最大梯度值矩阵横向并列，得到分色原稿图像的特征矩阵；

步骤7，在FIL220机组式柔印机上采集与分色图像对应印版的实际印刷压力值，同时，将步骤6得到分色原稿图像的特征矩阵作为卷积神经网络模型的输入数据；实际印刷压力值作为卷积神经网络模型的输出数据，建立压力预测的卷积神经网络模型，对模型参数进行优化，得到合适的压力预测模型。

2.根据权利要求1所述的一种基于图文信息的柔版印刷压力预测方法，其特征在于，所述步骤3具体包括以下步骤：

步骤3.1，将经步骤2得到的反色二值化图像划分为28*28的规则网格；

步骤3.2，标记经步骤3.1划分的网格内连通区域的个数，然后，统计每个连通区域内的像素点个数，最后，将每个连通区域内的像素点数相加，得到网格内的图文面积；

步骤3.3，对步骤3.2中每个网格内的图文面积进行计算，得到28*28的面积矩阵。

3.根据权利要求1所述的一种基于图文信息的柔版印刷压力预测方法，其特征在于，所述步骤4具体包括以下步骤：

步骤4.1，使用Sobel横向梯度模板对分色原稿图像进行卷积计算，得到横向梯度图像；

步骤4.2，使用Sobel纵向梯度模板对分色原稿图像进行卷积计算，得到纵向梯度图像；

步骤4.3，计算经步骤4.1和步骤4.2的横向梯度图像和纵向梯度图像中的梯度的模，得到分色原稿图像的梯度图像，梯度的模计算为：

式中，Gx为横向梯度，Gy为纵向梯度，G为梯度的模，即梯度。

4.根据权利要求1所述的一种基于图文信息的柔版印刷压力预测方法，其特征在于，所述步骤5具体为将步骤4得到的梯度图像划分为28*28的规则网格，计算网格区域内的最大梯度值，得到28*28的最大梯度值矩阵。

5.根据权利要求1所述的一种基于图文信息的柔版印刷压力预测方法，其特征在于，所述步骤7具体包括以下步骤：

特征矩阵为输入数据和实际印刷压力值为输出数据的卷积神经网络预测模型，首先将输入数据和输出数据组成的数据集划分为训练集和测试集，然后将训练集的数据输入到CNN结构中，经归一化、交替的卷积层和池化层、以及全连接层和输出层处理，建立特征矩阵和实际印刷压力值之间的非线性映射关系，最后将测试集的数据输入到训练好的CNN模型中，经过CNN模型计算便可以预测出最佳印刷压力值。

6.根据权利要求1所述的一种基于图文信息的柔版印刷压力预测方法，其特征在于，所述步骤7中归一化处理具体为：特征矩阵进行归一化处理，采用线性归一化的方法，将特征矩阵归一化至[0,1]区间，其表达式如下：

式中，X和X'分别表示为原始数据和归一化后数据，Xmin和Xmax分别表示原始数据的最小值和最大值。