一种基于对抗边缘学习的图像出血位预测方法
基本信息
| 申请号 | CN202210307913.2 | 申请日 | - |
| 公开（公告）号 | CN114693630A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114693630A | 申请公布日 | 2022-07-01 |
| 分类号 | G06T7/00（2017.01）I;G06T7/13（2017.01）I;G06T7/90（2017.01）I;G06T5/00（2006.01）I;G06T5/20（2006.01）I;G06T5/40（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 张新鹏;严振;冯国瑞 | 申请（专利权）人 | 上海大学 |
| 代理机构 | 上海上大专利事务所（普通合伙） | 代理人 | - |
| 地址 | 200444上海市宝山区上大路99号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提出了一种基于对抗边缘学习的图像出血位预测方法，其步骤如下：步骤1、图像预处理；步骤2、颜色分离；步骤3、训练轮廓生成网络；步骤4、训练图像修复网络；步骤5、出血位预测。本发明基于一个二阶段的生成对抗模型，将深度学习中的对抗网络应用于解决印刷出血问题，具有较大的创新意义。将网络分为两部分：轮廓生成网络和图像修复网络。轮廓生成网络采用Canny边缘检测算法结合生成对抗网络预测出血位区域的图像边缘结构。图像修复网络使用一阶段中预测的边缘假想图作为先验，并根据原图的已知信息对出血位区域进行预测。本发明方法能保证印刷后产品的稳定性，保证印刷品能满足需求。 |
