CN112419435A - 一种用于挑花和蜡染组合图案设计的方法 - Google Patents
一种用于挑花和蜡染组合图案设计的方法 Download PDFInfo
- Publication number
- CN112419435A CN112419435A CN202011244181.4A CN202011244181A CN112419435A CN 112419435 A CN112419435 A CN 112419435A CN 202011244181 A CN202011244181 A CN 202011244181A CN 112419435 A CN112419435 A CN 112419435A
- Authority
- CN
- China
- Prior art keywords
- pattern
- configuration
- image
- patterns
- batik
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于挑花和蜡染组合图案设计的方法,包括:对蜡染图案中的构型方法进行分析并将其分解为由多种基础图形组成的构型框架,用民族图案形状文法构型规则对其进行数字化编码并存储于数据库中;通过对民族图案形状文法规则编码的修改设定,批量生成不同的蜡染构型框架图案,使用民族图案框架上色程序为结构图案进行颜色附加;通过卷积神经网络识别蜡染图像框架特征与挑花风格图像特征,对卷积后的矩阵进行格拉姆矩阵距离比较,并使用一个白噪声图像通过迭代训练缩短蜡染框架图像与挑花风格图像之间的距离,最终生成迁移后的全新挑花图案。本发明能实现民族传统图案的快速组合设计,提高了蜡染图案创新的效率和生成图案的有序性。
Description
技术领域
本发明属于计算机辅助设计技术领域,具体来说涉及一种用于挑花和蜡染组合图案设计的方法。
背景技术
挑花(cross stitch)是我国传统的民间手工艺之一,也称为“挑织”、“十字绣”、“十字挑花”等等,具有很强的装饰性。挑花技术通过在棉麻制品的表面用彩色的线挑出微小的十字方格,方格的色彩组合排布后构成丰富的图案。
蜡染(batik)是我国少数民族重要的传统染织手工艺之一,蜡染使用蜡刀沾取融化的蜡并在布面绘制花纹,后放入蓝靛内浸染,完成后去除表面蜡质,布的表面可呈现出蓝底白花或白底蓝花的图案。蜡染图案丰富,内容从花鸟鱼虫到走兽图案不等,有着丰富的民族特征。
神经风格迁移(neural style transfer)技术现已广泛用于绘画风格模拟领域,该模型利用卷积神经网络对图像的内容和风格进行分离与重组,为艺术图像的创作提供了一种新的方式。
风格迁移网络直接应用于传统民族图案创新领域,存在迁移图样结构难以控制,只能迁移少数图案的问题。
发明内容
本发明的目的在于克服上述缺点而提供的一种能实现民族传统图案的快速组合设计,提高了蜡染图案创新的效率和生成图案的有序性的用于挑花和蜡染组合图案设计的方法。
本发明目的及解决其主要技术问题是采用以下技术方案来实现的:
本发明的用于挑花和蜡染组合图案设计的方法,包括以下步骤:
(1)蜡染图案的分解与编码:针对蜡染图案中的构型方法进行分析并将其分解为由多种基础图形组成的构型框架,使用民族图案形状文法构型规则对其进行数字化编码,并存储于蜡染挑花图案数据库中;
(2)蜡染框架图案的生成与赋色:通过对民族图案形状文法规则编码的修改设定,批量生成不同的蜡染构型框架图案,使用民族图案框架上色程序为结构图案进行颜色附加,使生成的蜡染构型框架拥有对比强烈的明暗色彩区分关系;
(3)挑花图案的迁移生成:通过卷积神经网络识别蜡染图像框架特征与挑花风格图像特征,对卷积后的矩阵进行格拉姆矩阵距离比较,并使用一个白噪声图像通过迭代训练缩短蜡染框架图像与挑花风格图像之间的距离,最终生成迁移后的全新挑花图案。
本发明同现有技术相比具有明显的优点和有益效果。由以上技术方案可知,本发明通过形状文法提取并进行编码,可以批量生成民族图案的框架图案,利用民族图案框架上色程序进行颜色附加的内容框架图案进行迁移,可有效限制民族图案风格迁移网络的生成图案结构,更好地控制了生成的民族图案架构,可以实现民族图案快速构型与生成,提高了蜡染图案创新的效率和生成图案的有序性。生成的挑花图案结构清晰、纹理丰富、细节具有强烈的民族图案风格特征,与真实的挑花风格图案非常接近。相对于传统的挑花图案创新方法,本发明方法提供了更加简单的生成方式并产生更多的纹理创新。
附图说明
图1为本发明的流程图。
图2为本发明的形状文法变换的示意图。
图3为本发明的蜡染图案基本构型分解图。
图4为本发明的框架图案规则编码图。
图5为本发明的构型框架赋色示意图。
图6为本发明使用卷积神经网络进行民族图案民族图案风格迁移网络框架图。
图7为的不同框架下挑花图案迁移结果实例图。
图8为本发明的同框架不同挑花图案民族图案风格迁移设计结果实例图。
图9为本发明的挑花创新设计图案的应用案例。
具体实施方式
如图1-9所示,本发明用于挑花和蜡染组合图案设计的方法,包括以下步骤:
(1)蜡染图案的分解与编码:针对蜡染图案中的构型方法进行分析并将其分解为由多种基础图形组成的构型框架,使用民族图案形状文法构型规则对其进行数字化编码,并存储于蜡染挑花图案数据库中;
其中:形状文法按照一定的规则生成形状,形状文法形式允许直接根据标记形状和参数化标记形状定义算法,即SG=(S,L,R,I),其中,S为形状的有限集;L为一组有限的符号;R为一组有限的形状规则形成α→β,α为(S,L)+中的标记形状,β为(S,L)*中的标记形状,即初始形状;
在形状文法中,集合S中的形状和集合L中的符号为集合R和初始形状I中的形状规则的定义提供了基础,使用形状语法生成的标记形状也是由这些基本元素构建的;
使用形状文法生成纹样的过程可以概括为:选择初始形状,执行变换规则,得到最终形状;常用的形状文法推理规则包括:移动、置换、缩放、增删、镜像、复制、旋转和切换等方法,如图2所示。
表1民族图案形状文法构型规则编码表
(注:规则中所有单词均为字符串)
(2)蜡染框架图案的生成与赋色:对蜡染图案的构型分解方法如图3 所示,选取蜡染图案中常见的几种构型方法,将其分解为由多种基础图形组成的构型框架,使用表1中的民族图案形状文法构型规则对其进行数字化编码,编码信息示例如图4所示,并存储于蜡染挑花图案数据库中,通过对规则编码的修改批量生成不同的构型框架图案,用民族图案框架上色程序为结构图案进行颜色附加,使生成的蜡染构型框架拥有对比强烈的明暗色彩区分关系;
(3)挑花图案的迁移生成:通过民族图案风格迁移网络使用卷积神经网络进行图案特征的提取和识别,对卷积后的矩阵进行格拉姆矩阵距离比较,并使用一个白噪声图像通过迭代训练缩短蜡染框架图像与挑花风格图像之间的距离,最终生成迁移后的全新挑花图案。
其中:民族图案风格迁移网络使用卷积神经网络进行图案特征的提取和识别,卷积神经网络由众多小的计算单元组成,每一层单元都可以理解为图像卷积核的集合,可从输入的图像中提取特定的特征。在卷积神经网络抽取的特征信息中,特征和样式是可以分离的,故先给予一个快速生成的民族图案布局方案,再通过民族图案风格迁移神经网络抽取现有民族图案纹理中的特征,与规定的布局进行比较融合,可以实现民族图案的快速创新与生成。
民族图案迁移模型的目标是将风格图案的元素迁移到规定好的构型框架上,以期实现快速的风格纹样迁移定制,民族图案迁移模型以基于 ImageNet数据集进行预训练的VGG19的CNN为基础,其包括16个卷积层和5个池化层,组合可分为5个组,每个组由卷积层及池化层组成,但民族图案迁移模型网络不使用VGG19分类网络中最后输出的全连接层和softmax层。
为了得到图像在可视化不同层次结构上的编码信息,对白噪声图像进行梯度下降以找到与原始图像的特征响应匹配的另一幅图像。所以,如图6 所示,定义向量化的输入内容图像以及一个白噪声图像在对内容图像的信息提取中,随着卷积核池化的过程,原始内容图像的复杂程度随层的位置逐渐增加,而则在CNN的每一层中被重新定义,l层的卷积核数量为Nl,特征图大小为Ml,所以在l层中的响应可被存储在矩阵中,和则是第i个卷积核在l层位置j处的特征表示,定义两种特征表示之间的平方误差损失为:
层l中的激活损失的导数等于:
在此基础上,利用标准误差反向传播来计算的梯度,并在迭代过程中不断改变初始白噪声图像的直到在CNN中生成与相同的响应为止。在网络的每一层响应之上,构建一种风格以示计算不同卷积核响应的相关性,这种相关性由Gram矩阵给出,其中第l层向量化特征图i 和j的内积为:
民族图案迁移模型需要衡量框架图案和风格图像之间的内容和样式距离,实现二者之间的融合。通过最小化原始图像与生成图像之间的Gram矩阵平均平方距离误差损失函数,生成与民族图案风格图像相匹配的纹理,降低白噪声图像梯度以生成匹配图像,设为原始风格图像,为生成图像, Gl和Al为两个图像在第l层各自的特征表示,该层对总损失贡献为
总损失的计算方式为:
其中,ωl为网络中每一层对总损失贡献的权重,可衡量每一层的损失; El为在层l中的激活导数,可以解析计算为
最后,将白噪声图像和网络中的内容以CNN中的风格图像之间的距离最小化表示。其中,为向量化的蜡染框架图案;为向量化的挑花风格图案,α和β是框架与风格的权重因子,通过最小化损失函数可获得最终的蜡染挑花融合图案
本方法的参数优化使用自适应矩估计优化器进行。学习率设置过高会导致迁移后生成的图案无法有效遵循图案框架,造成图像模糊、结构混乱的后果,学习率设置过低会大幅延长训练时间,并对图案的多样化产生束缚。为了获得框架清晰、图案丰富的蜡染挑花融合图案,优化器参数设置为learning rate=5,beta1=0.99,epsilon=0.1。
通过控制民族图案风格迁移网络的内容权重因子α与风格权重因子β,可以控制输出图像的风格化程度。通过分析生成图像的图案细节和轮廓清晰度,最终选择α=1×102,β=1×10-2为内容权重和风格权重参数。
使用相同的神经网络参数与风格图像进行对比试验来验证上述方法的有效性,使用空白图像作为输入内容图像进行民族图案风格迁移结果图 7(a),没有框架限制,生成的结果杂乱无章,且图案的中间部分丧失了图案纹理。框架未填充色彩的内容图像迁移结果如图7(b)所示,生成图案有一定的框架,但无法产生明显的图案结构区分。本发明方法的迁移结果如图 7(c)所示,生成的纹理图案有较好的结构区分且图案有序性更强。使用多种不同的挑花图案进行迁移验证结果如图8所示,证明此方法对于不同的挑花图案进行迁移生成具有普适性。生成的挑花的创新图案设计应用范例如图9所示。
本方法的优势在于,通过形状文法提取并进行编码,可以批量生成民族图案的框架图案,利用民族图案框架上色程序进行颜色附加的内容框架图案进行迁移,可有效限制民族图案风格迁移网络的生成图案结构,更好地控制了生成的民族图案架构。生成的挑花图案结构清晰、纹理丰富、细节具有强烈的民族图案风格特征,与真实的民族风格图案非常接近。相对于传统的挑花图案创新方法,本发明方法提供了更加简单的生成方式并产生更多的纹理创新。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,任何未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (1)
1.一种用于挑花和蜡染组合图案设计的方法,包括以下步骤:
(1)蜡染图案的分解与编码:针对蜡染图案中的构型方法进行分析并将其分解为由多种基础图形组成的构型框架,使用民族图案形状文法构型规则对其进行数字化编码,并存储于蜡染挑花图案数据库中;
(2)蜡染框架图案的生成与赋色:通过对民族图案形状文法规则编码的修改设定,批量生成不同的蜡染构型框架图案,使用民族图案框架上色程序为结构图案进行颜色附加,使生成的蜡染构型框架拥有对比强烈的明暗色彩区分关系;
(3)挑花图案的迁移生成:通过卷积神经网络识别蜡染图像框架特征与挑花风格图像特征,对卷积后的矩阵进行格拉姆矩阵距离比较,并使用一个白噪声图像通过迭代训练缩短蜡染框架图像与挑花风格图像之间的距离,最终生成迁移后的全新挑花图案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011244181.4A CN112419435A (zh) | 2020-11-10 | 2020-11-10 | 一种用于挑花和蜡染组合图案设计的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011244181.4A CN112419435A (zh) | 2020-11-10 | 2020-11-10 | 一种用于挑花和蜡染组合图案设计的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112419435A true CN112419435A (zh) | 2021-02-26 |
Family
ID=74780625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011244181.4A Pending CN112419435A (zh) | 2020-11-10 | 2020-11-10 | 一种用于挑花和蜡染组合图案设计的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419435A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019025909A1 (en) * | 2017-08-01 | 2019-02-07 | 3M Innovative Properties Company | NEURONAL STYLE TRANSFER FOR VARIETY AND IMAGE RECOGNITION |
WO2020168844A1 (en) * | 2019-02-19 | 2020-08-27 | Boe Technology Group Co., Ltd. | Image processing method, apparatus, equipment, and storage medium |
-
2020
- 2020-11-10 CN CN202011244181.4A patent/CN112419435A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019025909A1 (en) * | 2017-08-01 | 2019-02-07 | 3M Innovative Properties Company | NEURONAL STYLE TRANSFER FOR VARIETY AND IMAGE RECOGNITION |
WO2020168844A1 (en) * | 2019-02-19 | 2020-08-27 | Boe Technology Group Co., Ltd. | Image processing method, apparatus, equipment, and storage medium |
Non-Patent Citations (3)
Title |
---|
侯宇康 等: "基于神经风格迁移网络的民族图案创新方法", 《图学学报》, pages 1 - 3 * |
虞杰;吕健;潘伟杰;: "基于分层形状文法的蜡染花朵纹创新设计研究", 包装工程, no. 10, pages 1 * |
黎智;徐丹;: "基于卷积神经网络的蜡染染色模拟", 图学学报, no. 02, pages 1 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378985B (zh) | 一种基于gan的动漫绘画辅助创作方法 | |
Shlyakhter et al. | Reconstructing 3D tree models from instrumented photographs | |
CN108304826A (zh) | 基于卷积神经网络的人脸表情识别方法 | |
CN109508650A (zh) | 一种基于迁移学习的树种识别方法 | |
CN110211192A (zh) | 一种基于深度学习的三维模型到二维图像的渲染方法 | |
Cho et al. | Palettenet: Image recolorization with given color palette | |
CN106548208A (zh) | 一种照片图像快速智能风格化方法 | |
CN110097609A (zh) | 一种基于样本域的精细化绣花纹理迁移方法 | |
CN111986075B (zh) | 一种目标边缘清晰化的风格迁移方法 | |
Hwang et al. | Image colorization with deep convolutional neural networks | |
CN109584325A (zh) | 一种基于u型周期一致对抗网络的动漫图像的双向色彩化方法 | |
CN107871098A (zh) | 人脸特征点的获取方法和装置 | |
CN109146989A (zh) | 一种通过搭建神经网络生成花鸟艺术字图像的方法 | |
CN110222817A (zh) | 基于学习自动机的卷积神经网络压缩方法、系统及介质 | |
Ma | Recognition of handwritten digit using convolutional neural network | |
CN112435310B (zh) | 基于形状文法和神经网络的图案设计方法 | |
CN116266251A (zh) | 一种草图生成对抗网络、渲染生成对抗网络及其服饰设计方法 | |
CN112419435A (zh) | 一种用于挑花和蜡染组合图案设计的方法 | |
Wang et al. | Stroke-GAN Painter: Learning to paint artworks using stroke-style generative adversarial networks | |
Sun | Designing decorative flower patterns for clothing using genetic algorithm | |
CN115908697A (zh) | 基于点云概率分布学习的生成模型及其方法 | |
CN108765508A (zh) | 一种基于分层的Art Deco风格图案快速生成方法 | |
Baniasadi et al. | Exploring non-photorealistic rendering with genetic programming | |
Önduygu | Graphagos: evolutionary algorithm as a model for the creative process and as a tool to create graphic design products | |
Yan et al. | Research on Totem Pattern Generation Technology of Yunnan Province Based on Artificial Intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |