摘要
本发明公开了一种基于去噪预处理的纹样提取方法,包括以下步骤:步骤一、模型训练与优化,进行数据准备,输入图像数据,将数据集划分为训练集、测试集以及验证集;步骤二、纹样提取与保存;使用非限制性中值滤波技术对待提取纹样图像进行去噪处理,然后使用已训练好的基于深度感知融合的神经网络模型来进行纹样提取,并通过图像处理技术将其转化为最终可保存的矢量图格式;本发明与现有的技术相比的优点在于:本发明可以准确提取图像中的纹样信息,并生成高精度的可缩放矢量图格式进行保存,通过去噪预处理和深度学习算法提取并保存非物质文化遗产图案的边缘特征。
技术关键词
像素
神经网络模型
矢量图
噪声
图像处理技术
初始窗口大小
滤波技术
非物质文化遗产
训练集
深度学习算法
深度学习模型
数据
摄影设备
滤波去噪
图案
堆叠结构
滤波算法
系统为您推荐了相关专利信息
图像识别方法
多分辨率
样本
计算机程序产品
非易失性存储介质
预测使用寿命
训练卷积神经网络模型
模式识别模型
管理方法
影像
控制机器人动作
机器人控制方法
手势
电子皮肤
神经网络模型
坐标
投影方法
图像投影
映射关系表
RANSAC算法
延迟容忍网络
节点特征
神经网络模型
动态
非暂态计算机可读存储介质