摘要
本发明公开了一种基于流行色的织物图案色彩迁移方法,首先构建一套基于当前流行色彩趋势的配色体系,随后巧妙融合K‑means聚类算法,对结构简约的花型图案进行精细化预处理,进而生成一套紧密贴合流行趋势的花型图案流行色数据集。在此基础上,本发明采纳并优化了CycleGAN模型以执行色彩迁移任务;为强化模型的鲁棒性,特别引入了椒盐噪声处理机制;同时,通过精细调整判别器与生成器的训练频率比值,显著提升了色彩迁移的生成质量。此外,本发明模型还创新性地整合了色彩感知损失与边框损失函数,以确保图案边缘细节的精准保留及色彩的一致性和谐。
技术关键词
织物
迁移方法
调色盘
色彩
分支
椒盐噪声
花型图案
表达式
数据
直方图
像素
身份
鲁棒性
算法
频率
聚类
亮度
策略
机制
系统为您推荐了相关专利信息
输电杆塔
节点特征
映射算法
特征金字塔网络
影像
图像识别分类方法
学生
教师
图像局部特征提取
注意力
行人重识别模型
重叠切片
识别特征
视觉
语义特征提取
关键信息提取方法
检测分类模型
联合损失函数
轻量级神经网络
图像训练样本
像素点
深度值
彩色图像
深度传感器
图像处理方法