【技术实现步骤摘要】
基于卷积神经网络的任意尺寸样本纹理合成方法
本专利技术属于图像处理
,更进一步涉及自然图像处理
中的一种基于卷积神经网络的任意尺寸样本纹理合成方法。本专利技术针对所有不规则自然纹理图像,采用卷积神经网络,可用于任意尺寸纹理图像的合成。
技术介绍
目前,纹理合成已经成为图像处理
里的一个很重要的研究主题。根据样本纹理合成时选取的基本单元不同,MRF(MarkovRandomField,马尔可夫随机场)模型下的纹理合成方法基本上可以分为两类:一是基于像素的纹理合成;二是基于块的纹理合成。两类方法各有所长,基于像素的方法善于捕捉纹理的局部细节,难于凸现和吻合全局特征;相对而言,基于块的方法能够捕捉较大范围内的纹理特征,但却在边界处理方面较为逊色。纹理合成方法的好坏主要依赖于给定纹理样本的类型(随机纹理、结构纹理、分离元素纹理等)和所采用的合成策略,因此研究纹理的特性及其分类对于研究纹理合成是十分必要的。另外,纹理合成结果质量的好坏需要有衡量的尺度和标准。对于纹理类别的研究,研究者们曾进行过深入的研究,提出了诸如:静态纹理、全局变化纹理、动态纹理、分离元素纹理等多种类型。天津理工大学在其申请的专利文献“一种基于最佳匹配的图像纹理合成方法”(专利申请号201410112095.6,公开号CN103839271A)中公开了一种新的基于最佳匹配的图像纹理合成方法。该方法中不仅考虑了颜色的相似性,还加入了梯度结构信息,把纹理的颜色差异和梯度结构信息作为衡量两个匹配块间的相似性度量,并深入分析最佳匹配纹理块的大小对合成的影响,根据不同纹理自适应确定纹理块大 ...
【技术保护点】
一种基于卷积神经网络的任意尺寸样本纹理合成方法,其特征在于,包括以下步骤:(1)输入一幅512×512的待处理纹理图像;(2)构建并训练卷积神经网络:(2a)构建含有7层的卷积神经网络;(2b)将纹理图片输入到卷积神经网络,训练卷积神经网络,直到其输出层的损失函数值小于等于0.0001,得到训练好的卷积神经网络;(3)划分待处理纹理图像:(3a)将待处理纹理图像输入到训练好的卷积神经网络的前5层,得到前5层的特征图;(3b)卷积神经网络每一层中待处理纹理图像的特征图矩阵自相乘,组成格拉姆Gram矩阵;(3c)按照下式,生成待处理纹理图像的子块矩阵:
【技术特征摘要】
1.一种基于卷积神经网络的任意尺寸样本纹理合成方法,其特征在于,包括以下步骤:(1)输入一幅512×512的待处理纹理图像;(2)构建并训练卷积神经网络:(2a)构建含有7层的卷积神经网络;(2b)将纹理图片输入到卷积神经网络,训练卷积神经网络,直到其输出层的损失函数值小于等于0.0001,得到训练好的卷积神经网络;(3)划分待处理纹理图像:(3a)将待处理纹理图像输入到训练好的卷积神经网络的前5层,得到前5层的特征图;(3b)卷积神经网络每一层中待处理纹理图像的特征图矩阵自相乘,组成格拉姆Gram矩阵;(3c)按照下式,生成待处理纹理图像的子块矩阵:其中,表示对y的取值操作,y表示待处理纹理图像的子块矩阵,min表示最小值操作,s表示待处理纹理图像的子块权重系数,s∈{1000,2000},∈表示属于符号,∑表示求和操作,wr表示训练好的卷积神经网络第r层的权重值,Nr、Mr分别表示训练好的卷积神经网络第r层特征向量的行和列,Gr表示在训练好的卷积神经网络中第r层的格拉姆Gram矩阵;(3d)s=1000时,生成待处理纹理图像的子块矩阵1,按照阵列式扫描方式,依次将待处理纹理图像的合成图像矩阵放入各自对应的待处理纹理图像的合成图像位置中,得到待处理纹理图像的子块1;(3e)s=2000时,生成待处理纹理图像的子块矩阵2,按照阵列式扫描方式,依次将待处理纹理图像的合成图像矩阵放入各自对应的待处理纹理图像的合成图像位置中,得到待处理纹理图像的子块2;(4)按照下式,生成待处理纹理图像的合成图像矩阵:其中,表示对T取值操作,T表示待处理纹理图像的合成图像矩阵,min表示最小值操作,λ表示模型参数,且λ∈[0,1],∑表示求和操作,wq表示训练好的卷积神经网络在第q层的权重值,Nq、Mq分别表示第q层特征向量的行和列,Gq表示在训练好的卷积神经网络中第q层待处理纹理图像的子块1的格拉姆Gram矩阵,Fq表示在训练好的卷积神经网络中第q层待处理纹理图像的子块2的特征图矩阵;(5)生成待处理纹理图像的合成图像:按照阵列式扫描方式,依次将待处理纹理图像的合成图像矩阵,放入各自对应的待处理纹理图像的合成图像位置中,得到待处理纹理图像的合成图像。2.根据权利要求1所述的基于卷积神经网络的任意尺寸样本纹理合成方法,其特征在于:步骤(2a)中所述7层卷积神经网络的结构依次是,卷积层conv1_1,卷积层conv2_1,卷积层conv3_1,池化层pool4,卷积层conv5_1,全连接层fc6,分类层softmax7。3.根据权利要求1所述的基于卷积神经网络的任意尺寸样本纹理合成方法,其特征在于:步骤(2a)中所述构建含有7层的卷积神经网络的步骤如下:第1步,将512×512像素大小的纹理图输入卷积层conv1_1,用64个卷积核,对其进行块大小为3×3像素和步长为1像素的卷积操作,得到64幅5...
【专利技术属性】
技术研发人员:宋彬,吴科永,郭洁,蔡秀霞,秦浩,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。