[发明专利]基于卷积神经网络的任意尺寸样本纹理合成方法

摘要

本发明公开了一种基于卷积神经网络的任意尺寸样本纹理合成方法。其步骤为：(1)输入一幅512×512的待处理纹理图像；(2)构建并训练卷积神经网络；(3)划分待处理纹理图像；(4)生成待处理纹理图像的合成图像矩阵；(5)生成待处理纹理图像的合成图像。本发明将卷积神经网络引入到纹理图像合成领域来，克服了现有技术中采用最佳匹配易导致得到的结果是局部最优以及无法合成任意尺寸的纹理图像的不足，合成的纹理图像轮廓更加清晰，更加真实自然。

主权项

1.一种基于卷积神经网络的任意尺寸样本纹理合成方法，其特征在于，包括以下步骤：(1)输入一幅512×512的待处理纹理图像；(2)构建并训练卷积神经网络：(2a)构建含有7层的卷积神经网络；(2b)将纹理图片输入到卷积神经网络，训练卷积神经网络，直到其输出层的损失函数值小于等于0.0001，得到训练好的卷积神经网络；(3)划分待处理纹理图像：(3a)将待处理纹理图像输入到训练好的卷积神经网络的前5层，得到前5层的特征图；(3b)卷积神经网络每一层中待处理纹理图像的特征图矩阵自相乘，组成格拉姆Gram矩阵；(3c)按照下式，生成待处理纹理图像的子块矩阵：其中，表示对y的取值操作，y表示待处理纹理图像的子块矩阵，min表示最小值操作，s表示待处理纹理图像的子块权重系数，s∈{1000,2000}，∈表示属于符号，∑表示求和操作，w_r表示训练好的卷积神经网络第r层的权重值，N_r、M_r分别表示训练好的卷积神经网络第r层特征向量的行和列，G^r表示在训练好的卷积神经网络中第r层的格拉姆Gram矩阵；(3d)s＝1000时，生成待处理纹理图像的子块矩阵1，按照阵列式扫描方式，依次将待处理纹理图像的子块矩阵1放入各自对应的待处理纹理图像的合成图像位置中，得到待处理纹理图像的子块1；(3e)s＝2000时，生成待处理纹理图像的子块矩阵2，按照阵列式扫描方式，依次将待处理纹理图像的子块矩阵2放入各自对应的待处理纹理图像的合成图像位置中，得到待处理纹理图像的子块2；(4)按照下式，生成待处理纹理图像的合成图像矩阵：其中，表示对T取值操作，T表示待处理纹理图像的合成图像矩阵，min表示最小值操作，λ表示模型参数，且λ∈[0,1]，∑表示求和操作，w_q表示训练好的卷积神经网络在第q层的权重值，N_q、M_q分别表示第q层特征向量的行和列，G^q表示在训练好的卷积神经网络中第q层待处理纹理图像的子块1的格拉姆Gram矩阵，F^q表示在训练好的卷积神经网络中第q层待处理纹理图像的子块2的特征图矩阵；(5)生成待处理纹理图像的合成图像：按照阵列式扫描方式，依次将待处理纹理图像的合成图像矩阵，放入各自对应的待处理纹理图像的合成图像位置中，得到待处理纹理图像的合成图像。