【技术实现步骤摘要】
本专利技术属于计算机视觉及图像处理，具体涉及一种基于流行色的织物图案色彩迁移方法。
技术介绍
1、随着纺织服装行业的迅速发展，色彩作为设计中的核心要素，正变得越来越重要；消费者对时尚和个性化需求的提升，促使设计师需要快速响应市场变化，提供符合流行趋势的设计方案。传统的纺织服装设计流程高度依赖于设计师的个人经验和色彩理论，这种依赖既增加了设计的复杂性，又限制了设计创新的空间。在这种背景下，研究如何通过自动化方法将流行色彩趋势融入现有设计中，成为行业关注的热点；色彩迁移技术为解决这一问题提供了有效途径。
2、色彩迁移技术的核心在于将一种图像的色彩特征转移到另一种图像上，从而在保持原有设计结构的前提下，实现色彩风格的更新；通过这种技术，纺织服装花型图案可以快速更新以迎合市场潮流，减少设计时间和成本。目前，色彩迁移技术已逐步应用于多个领域，如服装设计、家居装饰等，其应用前景广阔；然而，传统色彩迁移方法依赖大量的用户输入和特定的目标图像，这使得操作复杂，且色彩迁移效果受限于用户的色彩知识和输入提示的质量。
3、随着深度学习技术的飞跃发展，全自动色彩迁移技术逐渐崭露头角，吸引了广泛关注；利用深度神经网络，研究者们成功实现了无需用户介入的自动色彩迁移，处理效率大幅提升，同时降低了对用户经验的依赖。相较于用户引导的色彩迁移方法，全自动色彩迁移通过深度学习大规模数据集中的色彩分布特征，能够更加高效、灵活地进行色彩转换，特别适用于大规模应用场景。然而，现有全自动色彩迁移方法在处理复杂花型图案时，仍面临色彩迁移效果不佳、细节保
4、近年来，基于深度学习的色彩迁移技术取得了显著进展，成为该领域的研究热点，但这些技术仍存在一些局限性，难以全面满足色彩迁移在实际应用中的多样需求。例如cams(color-aware multi-style transfer)虽然能够在多风格迁移中保留更多色彩信息，生成的图像风格化效果更加自然，减少了色彩失真，但其计算成本高，特别是在处理高分辨率图像时，训练和推理时间较长。此外，cams依赖大量的预训练数据，这使得模型难以灵活适应小规模或快速变化的数据环境，不适合实时应用场景；尽管其在风格迁移的灵活性和鲁棒性方面具有优势，但对于应用场景要求低延迟和高效计算的任务，cams的高计算复杂度限制了其使用范围。
5、另一方面，adain(adaptive instance normalization)通过自适应调整特征来实现内容图像与风格图像之间的快速风格转换，其计算效率极高，适合实时风格迁移应用。然而，adain在处理复杂纹理和细节丰富的图像时，容易过度简化风格转换，导致图像细节丢失；同时，adain在保持图像结构完整性方面存在一定的局限性，尤其当内容图像具有复杂结构时，风格迁移的效果可能不够理想。此外，adain的风格转换方法尽管具备广泛适用性，但在应对需要精细调整和保留图像特定特征的场景时，其适应性存在一定问题；因此，现有技术在色彩保真度、细节处理以及计算效率方面仍有改进空间。
6、为克服这些问题，cyclegan(循环生成对抗网络)被广泛应用于无监督的图像到图像转换任务中，通过其循环一致性损失，使得输入和输出图像之间能够实现相互映射，解决了无配对数据集的限制。然而，传统的cyclegan在色彩保真度和细节处理方面仍有改进空间；因此，针对纺织服装行业的独特需求，亟需一种能够更好适应流行色彩趋势并精细保留设计细节的色彩迁移方法。
技术实现思路
1、鉴于上述，本专利技术提供了一种基于流行色的织物图案色彩迁移方法，该方法深度融合了流行色趋势与色彩理论，能够自动生成调色盘，并将其巧妙应用于纺织服装花型图案设计中，旨在提升设计效率与色彩迁移的卓越效果。
2、一种基于流行色的织物图案色彩迁移方法，包括如下步骤：
3、（1）获取流行色数据集和非流行色织物图案数据集，根据流行色数据集构建调色盘，并利用调色盘对非流行色织物图案数据集进行调色，得到流行色织物图案数据集；
4、（2）构建基于cyclegan架构的织物图案色彩迁移模型，其包含有两个判别器d1~d2和两个生成器g1~g2，且分为两个分支：
5、第一分支由g1~g2以及d1组成，在该分支中g1用于将输入的非流行色织物图案real_a转换生成流行色织物图案fake_b，g2用于将流行色织物图案fake_b还原为非流行色织物图案idt_a，d1用于判别real_a以及fake_b的真假；
6、第二分支由g1~g2以及d2组成，在该分支中g2用于将输入的流行色织物图案real_b转换生成非流行色织物图案fake_a，g1用于将非流行色织物图案fake_a还原为流行色织物图案idt_b，d2用于判别real_b以及fake_a的真假；
7、（3）利用非流行色织物图案数据集对模型的第一分支进行训练，用流行色织物图案数据集对模型的第二分支进行训练；
8、（4）完成模型训练后，将需进行色彩迁移的非流行色织物图案输入至模型的生成器g1中，即可生成对应的流行色织物图案。
9、进一步地，所述步骤（1）中获取的流行色数据集包含有多种流行色(rgb值)，首先根据流行色数据集结合色彩理论构建三组调色盘h1~h3，每个调色盘中均包含有k种流行色，k为大于1的自然数，调色盘h1中的k种流行色互为相似色，调色盘h2中的k种流行色互为对比色，调色盘h3中的k种流行色互为互补色；然后对非流行色织物图案数据集中的织物图案进行预处理，从中挑选出结构简单的部分织物图案，对于挑选出的任一织物图案，通过k-means聚类算法对该织物图案的像素进行聚类得到k个簇，分别利用调色盘h1~h3的k种流行色替换作为这k个簇的色彩，从而生成3张流行色织物图案，依此通过遍历生成流行色织物图案数据集。
10、进一步地，所述步骤（3）在模型训练过程中采用非对称训练策略，精细调整判别器与生成器的训练频率，即每个训练周期中对生成器进行一次训练，而对判别器进行三次训练，能够促进两者间的有效对抗与适应，有效预防过拟合现象，确保模型训练的稳定性。
11、进一步地，所述步骤（3）在模型训练过程中对非流行色织物图案real_a和fake_a以及流行色织物图案real_b和fake_b引入椒盐噪声，该椒盐噪声在图案传递给判别器之前被添加到这些织物图案中，以模拟织物图案在采集和传输过程中可能遇到的噪声情况，从而增强模型的鲁棒性并防止过拟合。
12、进一步地，所述步骤（3）中两条分支在训练过程中均采用如下损失函数：
13、
14、其中： l total为损失函数， l adv为生成器对抗损失， l cyc为循环一致性损失， l 本文档来自技高网...
【技术保护点】
1.一种基于流行色的织物图案色彩迁移方法，包括如下步骤：
2.根据权利要求1所述的织物图案色彩迁移方法，其特征在于：所述步骤（1）中获取的流行色数据集包含有多种流行色，首先根据流行色数据集结合色彩理论构建三组调色盘H1~H3，每个调色盘中均包含有K种流行色，K为大于1的自然数，调色盘H1中的K种流行色互为相似色，调色盘H2中的K种流行色互为对比色，调色盘H3中的K种流行色互为互补色；然后对非流行色织物图案数据集中的织物图案进行预处理，从中挑选出结构简单的部分织物图案，对于挑选出的任一织物图案，通过K-means聚类算法对该织物图案的像素进行聚类得到K个簇，分别利用调色盘H1~H3的K种流行色替换作为这K个簇的色彩，从而生成3张流行色织物图案，依此通过遍历生成流行色织物图案数据集。
3.根据权利要求1所述的织物图案色彩迁移方法，其特征在于：所述步骤（3）在模型训练过程中采用非对称训练策略，精细调整判别器与生成器的训练频率，即每个训练周期中对生成器进行一次训练，而对判别器进行三次训练。
4.根据权利要求1所述的织物图案色彩迁移方法，其特征在于：所述
5.根据权利要求1所述的织物图案色彩迁移方法，其特征在于：所述步骤（3）中两条分支在训练过程中均采用如下损失函数：
6.根据权利要求5所述的织物图案色彩迁移方法，其特征在于：所述生成器对抗损失Ladv的表达式如下：
7.根据权利要求5所述的织物图案色彩迁移方法，其特征在于：所述循环一致性损失Lcyc的表达式如下：
8.根据权利要求5所述的织物图案色彩迁移方法，其特征在于：所述身份保持损失Lid的表达式如下：
9.根据权利要求5所述的织物图案色彩迁移方法，其特征在于：所述色彩感知损失Lcolor的表达式如下：
10.根据权利要求5所述的织物图案色彩迁移方法，其特征在于：所述边框损失Lborder的表达式如下：
...【技术特征摘要】
1.一种基于流行色的织物图案色彩迁移方法，包括如下步骤：
2.根据权利要求1所述的织物图案色彩迁移方法，其特征在于：所述步骤（1）中获取的流行色数据集包含有多种流行色，首先根据流行色数据集结合色彩理论构建三组调色盘h1~h3，每个调色盘中均包含有k种流行色，k为大于1的自然数，调色盘h1中的k种流行色互为相似色，调色盘h2中的k种流行色互为对比色，调色盘h3中的k种流行色互为互补色；然后对非流行色织物图案数据集中的织物图案进行预处理，从中挑选出结构简单的部分织物图案，对于挑选出的任一织物图案，通过k-means聚类算法对该织物图案的像素进行聚类得到k个簇，分别利用调色盘h1~h3的k种流行色替换作为这k个簇的色彩，从而生成3张流行色织物图案，依此通过遍历生成流行色织物图案数据集。
3.根据权利要求1所述的织物图案色彩迁移方法，其特征在于：所述步骤（3）在模型训练过程中采用非对称训练策略，精细调整判别器与生成器的训练频率，即每个训练周期中对生成器进行一次训练，而对判别器进行三次训练。
4.根据权利要求1所述的织物...
【专利技术属性】
技术研发人员：张华熊，王建辉，刘志，马廷方，方志坚，金耀，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：
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。