申请/专利权人：广州嘉尔日用制品有限公司

申请日：2020-07-31

公开（公告）日：2024-06-11

公开（公告）号：CN111986275B

主分类号：G06T7/90

分类号：G06T7/90;G06T5/50;G06T5/70;G06N3/0464;G06N3/082;G06T5/60;G06N3/0475

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2024.05.24#专利申请权的转移;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明公开了一种多模态半色调图像的逆半色调化方法，首先生成不同模态的半色调图像，构建逆半色调数据集和模态风格转换数据集；然后构建模态风格转换网络，实现其它模态的半色调图像到误差扩散型半色调图像转换；接着构建误差扩散型半色调图像到连续调图像转换的逆半色调转换网络，实现误差扩散型半色调图像的逆半色调化；最后，对于任意模态类型的半色调图像，先通过模态风格转换网络转换为误差扩散型风格的半色调图像，再通过逆半色调转换网络转换为连续调图像。本发明方法针对多模态半色调图像的逆半色调化，提出了通过多种转换网络的逆半色调化方法，具有结构统一、转换效果好的特点。

主权项：1.一种多模态半色调图像的逆半色调化方法，其特征在于，具体按照以下步骤实施：步骤1、采集不同类型的连续调图像，并利用不同种类的半色调方法生成不同模态的半色调图像，并构建半色调数据集和模态风格转换数据集；所述步骤1中不同种类的半色调方法包括误差扩散法、点扩散法、抖动法和直接二值搜索法；其中半色调数据集由误差扩散法半色调图像和对应的连续调图像组成，用D1表示；模态风格转换数据集由其它模态的半色调图像和其对应的误差扩散型的半色调图像组成，用D2表示；步骤2、构建误差扩散型半色调图像到连续调图像转换的逆半色调转换网络，并利用逆半色调数据集D1进行训练和验证，实现误差扩散型半色调图像的逆半色调化；所述步骤2中，逆半色调转换网络由内容提取模块和细节增强模块两部分组成，具体的：内容提取模块，其输入为误差扩散型半色调图像，通过卷积核大小为3×3的卷积生成64个特征图，再通过中间三路不同尺度模块进行半色调噪声去除和内容恢复，接着中间三路的输出特征图堆叠，然后通过卷积核大小为3×3的卷积生成3通道的初始连续调图像；细节增强模块，用于学习生成的初始连续调图像与真实连续调图像之间的细节残差；其输入为误差扩散型半色调图像与内容提取模块输出的初始连续调图像的通道堆叠，然后通过卷积核大小为3×3、步幅为1的卷积生成64个特征图，再经过8个残差稠密块得到细节残差输出，最后细节残差输出和生成的初始连续调图像进行相加得到最终的连续调图像；逆半色调转换网络训练时的损失函数L，由内容损失Lc、感知损失Lp及边缘细节损失Le组成：L＝Lc+2Lp+0.05Le，其中：Ic表示一幅连续调图像，Ih是其对应的半色调图像，CIh表示由Ih通过内容提取模块生成的初始连续调图像，GIh表示由Ih最终生成的连续调图像，算子LF·表示低通滤波，算子VGGl·表示用VGG19模型提取其Conv4-4层的特征，算子S·表示进行Sobel边缘提取；对于数据集D1中的训练数据集和损失函数训练逆半色调转换网络，利用数据集D1中的测试数据集验证该逆半色调转换网络；步骤3、构建不同模态类型的半色调图像到误差扩散型半色调图像转换的模态风格转换网络，并利用模态风格转换数据集D2进行训练和验证；实现不同模态的半色调图像到误差扩散型半色调图像转换；步骤4、对于输入的任一类型的其它模态的半色调图像，先用步骤3构建并训练好的模态风格转换网络将其转换为误差扩散型风格的半色调图像，再用步骤2构建并训练好的逆半色调转换网络将其转换为对应的连续调图像。

全文数据：

权利要求：

百度查询： 广州嘉尔日用制品有限公司 一种多模态半色调图像的逆半色调化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD