一种艺术二维码转换常规二维码的方法技术

鉴于现有技术中还没有对艺术二维码转换为常规二维码的方法的现状，本发明专利技术基于Dual GAN卷积神经网络的方法，提供一种艺术二维码转换常规二维码的方法，包括以下步骤：S1.将待转换的艺术二维码进行灰度变换，得到灰度图像；S2.训练Dual GAN网络得到权值文件；S3.将S1步骤得到的灰度图像添加至S2步骤得到的权值文件中，得到结果的常规二维码图像。与现有的技术相比，本发明专利技术的二维码形变恢复方法，具有方便快捷、可对多种形变种类的二维码作恢复、准确率高等优点。

A method of converting art QR code to conventional QR code

【技术实现步骤摘要】
一种艺术二维码转换常规二维码的方法
本专利技术涉及二维码转换领域，尤其涉及一种基于深度学习的卷积神经网络对艺术二维码转换成常规二维码的方法，是一种结合Duallearning的GAN网络对一些复杂、多样化的二维码转换成常规二维码以易于识别的方法。
技术介绍
随着自动识别技术的发展以及携带高清摄像头的智能手机在民众中普及开来,二维码获得了快速的发展。在各种各样的广告、宣传单中，商家采用一些彩色的、动画的艺术二维码来吸引人们的注意力；同时，在现实生活中，艺术二维码也受人们的喜爱。然而，这类艺术二维码，因为包含了各种背景，以及对二维码的变形，给二维码带来了复杂性，使识别有所困难，而对于形变了的艺术二维码，目前的技术无法恢复，这样需要对艺术二维码作转换，使之变为常规二维码来解决这些问题。现有的技术中，主要采用获取二维码图片灰度值，再二值化的方法，例如：在专利文献CN106709393A中，通过对图像灰度变化，并计算积分图，根据各区域积分图是否满足方程来分暗区域和亮区域，求取二值化阈值，从而对二维码图像二值化，达到效果。在专利文献CN109558927A中，生成二维码的原始二维码数组，设置并存储艺术二维码的构成元素单元图片；将构成元素单元图片进行二值化处理，得到每个构成元素单元图片的二维码数组样式，从而建立构成元素单元图片与二维码数组样式的映射关系；根据映射关系，将原始二维码数组中的二维码数组样式替换成对应的构成元素单元图片，形成艺术二维码。在论文《AnAestheticQRCodeSolutionBasedonErrorCorrectionMechanism》中，采用误差修正机制，根据二维码的特点以及显著性特征技术，来生成艺术二维码，并保证了二维码信息读取的可行性和准确性。现有技术暂时还没有旨在转换艺术二维码到常规二维码的方法，目前现有的技术是对一些模糊的、光照不均的二维码二值化，以达到恢复常规二维码的方法，而对于艺术二维码，目前只针对其生成有所研究，而无对其转换成常规二维码的技术，这对二维码的形变恢复、研究等带来不便。
技术实现思路
鉴于现有技术中还没有对艺术二维码转换为常规二维码的方法的现状，本专利技术基于DualGAN卷积神经网络，提供一种艺术二维码转换常规二维码的方法。为了实现上述目的，本专利技术采用的具体方案为：一种艺术二维码转换常规二维码的方法，其特征在于，包括以下步骤：S1.将待转换的艺术二维码进行灰度变换，得到灰度图像；S2.训练DualGAN网络得到权值文件；S3.将S1步骤得到的灰度图像添加至S2步骤得到的权值文件中，得到结果的常规二维码图像；其中，S2步骤的具体操作步骤是：S201.在DualGAN网络中，生成器采用的是U-net网络，其损失函数：lg(u,v)＝λU||u-GB(GA(u,z),z')||+λV||v-GA(GB(v,z'),z)||-DB(GB(v,z'))-DA(GA(u,z))；其中，u∈U,v∈V,U、V分别是两个未标注的、不同的图像集，GA，GB分别是两个生成器，DA，DB分别是两个判别器，λU，λV是常数系数；z、z'是随机噪声；S202.在DualGAN网络中，上述的DA，DB判别器采用的是patchGAN，其损失函数：其中，u∈U,v∈V,GA，GB分别是两个生成器，DA，DB分别是两个判别器；规定ωA、ωB为判别器A、B里的参数，θA、θB是生成器里参数的集合。S203.在网络训练过程中，不断迭代网络，不断更新ωA、ωB、θA、θB的值对S201与S202中两个损失函数最小化，以达到对生成器以及判别器的平衡最优解，得到最终的权值文件。其中，S1步骤中得到灰度图像的方法是：通过下述公式计算即可将图像变为灰度图；灰度图公式为：Gray＝(R*30+G*59+B*11)/100；其中，R为待转换艺术二维码图片上的红色元素值；G为待转换艺术二维码图片上的绿色元素值；B为待转换艺术二维码图片上的蓝色元素值。其中，S3步骤中添加S203步骤得到的权值文件用于艺术二维码到常规二维码的转换，其具体步骤是：S301.将S203步骤得到的权值文件添加至DualGAN网络中，放入待转换艺术二维码的图像，得到常规二维码图像；S302.对S301得到的常规二维码图像，根据要求，作相应的处理。有益效果：与现有的技术相比，本专利技术的对艺术二维码到常规二维码的转换方法，具有方便快捷、可对多种形变种类的二维码作恢复、准确率高等优点。附图说明图1是本专利技术的流程图。图2是本专利技术效果图。需要明确的是：附图1中的各个参数的含义是：ωA、ωB是判别器DA、DB里参数的集合，θA、θB是生成器里参数的集合。需要明确的是：附图1中灰度变换以前的二维码为彩色的艺术二维码，包括红色、绿色以及蓝色等等多种颜色。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。所述的一种艺术二维码转换常规二维码的方法，包括以下步骤：1)对艺术二维码图片预处理；2)训练DualGAN网络得到权值文件3)添加训练好的权值文件用于艺术二维码到常规二维码的转换，并作后续处理。具体的，对步骤1)，将艺术二维码图片作灰度变换，具体包括以下步骤：步骤11)对亮度不均、模糊等艺术二维码作预处理，包括亮度、对比度等调节；步骤12)对步骤11)中处理结果艺术二维码图像，以R、G、B三元素的值来表示颜色，通过算法：Gray＝(R*30+G*59+B*11)/100；计算即可将图像变为灰度图；对于步骤2)，训练DualGAN网络得到权值文件，具体包括以下步骤：步骤21)在DualGAN网络中，生成器采用的是U-net网络，其损失函数：lg(u,v)＝λU||u-GB(GA(u,z),z')||+λV||v-GA(GB(v,z'),z)||-DB(DB(v,z'))-DA(DA(u,z'))其中，u∈U,v∈V,GA，GB分别是两个生成器，DA，DB分别是两个判别器，λU，λV是常数系数。步骤22)在DualGAN网络中，DA，DB判别器采用的是patchGAN，其损失函数：其中，u∈U,v∈V,GA，GB分别是两个生成器，DA，DB分别是两个判别器。步骤23)不断迭代网络，更新参数对步骤21)、步骤22)中两个损失函数最小化，以达到对生成器以及判别器的平衡最优解，重复上述步骤，得到最终的权值文件。对于步骤3)，添加训练好的权值文件用于艺术二维码到常规二维码的转换，并作后续处理。具体包括以下步骤：步骤31)将上述12)中得到的权值文件添加至网络中，放入艺术二维码图像，得到结果的常规二维码图像；步骤32本文档来自技高网...

【技术保护点】
1.一种艺术二维码转换常规二维码的方法，其特征在于，包括以下步骤：/nS1.将待转换的艺术二维码进行灰度变换，得到灰度图像；/nS2.训练Dual GAN网络得到权值文件；/nS3.将S1步骤得到的灰度图像添加至S2步骤得到的权值文件中，得到结果的常规二维码图像；/n其中，S2步骤的具体操作步骤是：/nS201.在Dual GAN网络中，生成器采用的是U-net网络，其损失函数：/nl

【技术特征摘要】
1.一种艺术二维码转换常规二维码的方法，其特征在于，包括以下步骤：
S1.将待转换的艺术二维码进行灰度变换，得到灰度图像；
S2.训练DualGAN网络得到权值文件；
S3.将S1步骤得到的灰度图像添加至S2步骤得到的权值文件中，得到结果的常规二维码图像；
其中，S2步骤的具体操作步骤是：
S201.在DualGAN网络中，生成器采用的是U-net网络，其损失函数：
lg(u,v)＝λU||u-GB(GA(u,z),z')||+λV||v-GA(GB(v,z'),z)||-DB(GB(v,z'))-DA(GA(u,z))；
其中，u∈U,v∈V,U、V分别是两个未标注的、不同的图像集，GA，GB分别是两个生成器，DA，DB分别是两个判别器，λU，λV是常数系数；z、z'是随机噪声；
S202.在DualGAN网络中，DA、DB所述的判别器采用的是patchGAN，其损失函数：






其中，u∈U,v∈V,GA，GB分别是两个生成器，DA，DB分别是两个判别器；
规...

【专利技术属性】
技术研发人员：蔡若君，刘怡俊，叶武剑，李学易，张子文，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44