[发明专利]基于深度学习与数字图像处理的数字扎染图案生成方法

说明书

本发明提供了基于深度学习与数字图像处理的数字扎染图案生成方法，本发明方法构建与训练集成分类改进辅助分类器深度卷积对抗生成网络(Integrated classification improved auxiliary classifier deep convolutional generative adversarial networks,简称ICI‑ACDCGAN)备用。生成数字扎染图案时首先由设计人员基于绘图软件绘出扎染图案平面布局点框架图，用区域连通算法提取出图中所有颜色圆中心位置和花形类别信息，然后用ICI‑ACDCGAN生成背景图校色填充布局图，将ICI‑ACDCGAN生成的扎染花形图校色并分割出关键区域复制到圆所在区域，最后对整图做均值滤波处理获得最终的数字扎染图案。

技术领域

本发明涉及传统扎染工艺、艺术染整领域，具体涉及基于深度学习与数字图像处理的数字扎染图案生成方法。

背景技术

扎染图案典型的艺术特点是色晕和图案的“唯一性”。扎染工艺独特的艺术效果，丰富了现代产品的特色，一直受到时尚界的热爱，广泛应用于纺织品、服装、家居领域。

因扎染的核心工艺(对织物的捆扎、扎结等处理)环节必须由经验丰富的人工操作，同时，织物的成分、厚薄等特性对捆扎、扎结后艺术效果的影响明显，使得扎染产品的生产管理及其在产业化发展的道路上呈现出成本高、次品率高、较难大规模、批量化生产、产品单一化等多方面的问题。近年来，科技飞速发展、电子信息化技术的普及，“计算机思维”逐渐渗入扎染的设计创作中，利用计算机辅助设计扎染图案已经成为扎染图案设计的主流。

目前，比较有效的数字化扎染图案生成技术基于计算机辅助方法，理论上分形技术能模拟出多种扎染效果，故设计人员一般应用Apophysis、Ultra Fractal等分形软件和Photoshop等平面设计软件对扎染图案进行仿真模拟。总结这些应用不难发现，单纯采用传统的基于图形学的方法在生成扎染图案的种类与效果上存在缺陷，需要为每种图案研究出适合的数学计算公式，设置复杂的参数，而且要购买昂贵的设计软件，这是较困难的。理论上条件深度卷积对抗生成网络通过训练生成图案，也可以区分图案类别，但成功率有待提高。数字扎染图案一般包含数以百千计的花形图和背景图，一旦出现错误，将会影响生产生成次品，故生成网络的准确性是非常重要的。为了提高网络生成正确类别图案的几率，有必要对其改进。而且，大量不同颜色的花形图和背景图融合也是个难点。总的来说，如果能提供一种方法只需要设计人员提供简单图形轮廓即可生成复杂、大型的、不重样、无色彩差异的扎染图案，将会大大提高工作效率。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供基于深度学习与数字图像处理的数字扎染图案生成方法，包括如下步骤：

步骤1，构建ICI-ACDCGAN网络；

步骤2，对ICI-ACDCGAN网络进行训练，得到训练好的生成网络ICI-ACDCGAN；

步骤3，输入图形框架图；

步骤4，利用训练好的生成网络ICI-ACDCGAN生成花形图和背景图，基于校色与关键区域拼贴对图形框架图进行处理，输出图形框架图为生成扎染图。

步骤1中ICI-ACDCGAN网络包括生成网络G和判别网络D，生成网络G用于根据输入随机噪声生成模拟图片，判别网络D用于判断生成模拟图片是否为真实的，并输出图为真的概率和图片类别。