[发明专利]一种基于深度卷积神经网络的图像色彩表达模式迁移方法有效

专利信息
申请号: 201810480287.0 申请日: 2018-05-18
公开(公告)号: CN108711137B 公开(公告)日: 2020-08-18
发明(设计)人: 牟轩沁;张保成 申请(专利权)人: 西安交通大学
主分类号: G06T3/00 分类号: G06T3/00;G06K9/62
代理公司: 西安通大专利代理有限责任公司 61200 代理人: 徐文权
地址: 710049 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明提供一种能够完成图像风格识别任务的深度卷积神经网络,并提供一种图像色彩表达模式迁移方法,其通过物体识别任务中预训练好的深度卷积神经网络提取待处理内容图像和初始化的图像的内容表示特征并计算的内容损失函数,通过图像风格识别任务中预训练好的深度卷积神经网络来提取初始化的图像与风格图像的风格表示特征并计算风格损失函数,并最终获得总损失函数;根据总损失函数,在图像域,从初始化的图像开始,使用梯度下降算法迭代优化,获得总损失函数最小的对应的图像作为最终的结果图像。本发明的方法能够完成图像色彩表达模式迁移,同时避免输出的结果图像存在大量的与印象派绘画图像类似的笔触,保留原有自然图像的结构信息。
搜索关键词: 一种 基于 深度 卷积 神经网络 图像 色彩 表达 模式 迁移 方法
【主权项】:
1.一种基于深度卷积神经网络的图像色彩表达模式迁移方法,其特征在于,包括步骤:步骤1、从输入的待处理内容图像xc中用物体识别任务中预训练好的深度卷积神经网络提取待处理内容图像xc的内容表示特征Fc;从输入的风格图像xs中用在图像风格识别任务中预训练好的深度卷积神经网络来提取风格图像xs的风格表示特征GS;从输入的初始化的图像x0中用物体识别任务中预训练好的深度卷积神经网络提取初始化的图像x0的内容表示特征Fr,用在图像风格识别任务中预训练好的深度卷积神经网络来提取初始化的图像x0的风格表示特征Gr;步骤2、计算图像优化的内容损失函数Lcontent:其中表示初始化的图像x0的内容表示特征Fr中的第i个元素,表示待处理内容图像xc的内容表示特征Fc中的第i个元素;ρ1=0,1或2;计算图像优化的风格损失函数Lstyle:其中l表示第l个卷积层,ωl为第l个卷积层的权重,表示初始化图像x0的第l个卷积层的风格特征,表示风格图像xs的第l个卷积层的风格特征;ρ2=0,1或2;步骤3、计算总损失函数为Ltotal:Ltotal=αLcontent+βLstyle其中α和β分别表示内容损失函数和风格损失函数的权重;步骤4、在图像域,从初始化的图像x0开始,使用迭代优化最终获得在迭代过程中Ltotal的最小值对应的图像作为最终的结果图像xr。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201810480287.0/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top