一种动漫图像线稿提取方法、系统、设备及存储介质技术方案

本发明专利技术提供了一种动漫图像线稿提取方法、系统、设备及存储介质，属于图像处理技术领域，包括：首先对输入艺术图像执行预处理操作，随后部署多分支特征提取网络，利用并行卷积路径及层级间跳跃连接协同捕获多尺度边缘响应特征，构建具备空间感知能力的层级特征图。进而设计动态特征融合模块，在局部感受野特征聚合与像素级语义对齐双重维度优化跨层级特征，借助可学习的注意力权重完成融合过程。最后建立联合监督机制，融合改进交叉熵损失函数与背景伪影抑制约束，通过像素级监督提升线条生成质量并抑制背景噪声。本方法可实现复杂艺术图像到结构化线稿的端到端转换，在维持线条连续性的同时有效消除伪影干扰，输出满足专业创作需求的可编辑线稿。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种动漫图像线稿提取方法、系统、设备及存储介质。

技术介绍

1、线稿提取作为计算机视觉与数字艺术创作的交叉领域，其核心目标是从原始图像中自动生成具有结构化和语义连续性的线条轮廓图的过程，旨在保留图像中对视觉结构具有关键意义的边缘信息，去除冗余纹理和复杂背景。在艺术创作领域，线稿被广泛应用于动漫绘制、插画设计、数字上色、风格迁移、构图辅助等多个环节，是视觉艺术中极具表达力和指导性的中间表现形式。高质量的线稿不仅有助于明确图像的结构和层次，也为创作者后续的创意加工提供了清晰可控的参考框架。长期以来，线稿往往依赖人工绘制，过程费时费力，对绘画技巧与结构把握能力要求极高。这不仅提高了艺术创作的门槛，也大大限制了创作效率和内容产出速度。为此，近年来大量研究致力于通过自动化算法实现线稿的高质量提取，尤其是基于深度学习的方法在图像边缘检测和语义建模方面取得了一定进展。然而，现有技术仍存在诸多不足。例如，在处理复杂背景、强光影干扰或材质纹理丰富的图像时，提取结果常出现轮廓断裂、边缘虚化或结构错乱等问题；这些问题在一定程度上限制了线稿提取技术本文档来自技高网...

【技术保护点】

1.一种动漫图像线稿提取方法，其特征在于，包括：

2.根据权利要求1所述的动漫图像线稿提取方法，其特征在于，将待处理的动漫风格图像输入改进的U2-Net网络，输出完成像素级信息整合的多尺度与多语义层次特征响应；所述改进的U2-Net网络以U2-Net嵌套U型结构为基础，在输入卷积层之后的对称编码器-解码器的各并行卷积层的输入端添加反卷积，在各并行卷积层的输出端嵌入SE注意力模块。

3.根据权利要求2所述的动漫图像线稿提取方法，其特征在于，所述改进的U2-Net网络的并行卷积层设置不同感受野的卷积路径，通过采用不同尺寸的卷积核或者不同的步长，对待处理的动漫风格图像并...

【技术特征摘要】

1.一种动漫图像线稿提取方法，其特征在于，包括：

2.根据权利要求1所述的动漫图像线稿提取方法，其特征在于，将待处理的动漫风格图像输入改进的u2-net网络，输出完成像素级信息整合的多尺度与多语义层次特征响应；所述改进的u2-net网络以u2-net嵌套u型结构为基础，在输入卷积层之后的对称编码器-解码器的各并行卷积层的输入端添加反卷积，在各并行卷积层的输出端嵌入se注意力模块。

3.根据权利要求2所述的动漫图像线稿提取方法，其特征在于，所述改进的u2-net网络的并行卷积层设置不同感受野的卷积路径，通过采用不同尺寸的卷积核或者不同的步长，对待处理的动漫风格图像并行地进行卷积操作，从不同尺度对图像进行特征提取，生成包含多尺度信息的特征响应，构建出具备空间感知能力的层级特征图。

4.根据权利要求2所述的动漫图像线稿提取方法，其特征在于，所述改进的u2-net网络的跳跃连接层越过中间的多层网络将浅层网络提取到的低阶特征直接传递到深层网络中，所述浅层网络用于捕获图像的低阶视觉特征，所述深层网络用于提取图像的高阶语义特征。

5.根据权利要求3所述的动漫图像线稿提取方法，其特征在于，所述改进的u2-net网络应用se注意力模块在对称编码器-解码器的各并行卷积层对所述层级特征图执行全局平均池化操作，压缩全局空间信息生成通道描述向...

【专利技术属性】
技术研发人员：王美丽，鲁方博，罗万闯，乔永源，葛贤钰，贺鹏，何哲珂，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：