[发明专利]一种基于卷积神经网络的二维码风格转换方法

说明书

本发明公开了一种基于卷积神经网络的二维码风格转换方法，属于图像处理和计算机视觉领域，使用Adam优化器对风格转移网络进行训练。改进风格转换网络，调整风格权重和内容权重，使风格转移网络更加适合对二维码进行风格转换。修复风格转移网络生成艺术二维码的标准定位点，使得到的艺术二维码具有艺术风格的同时，保证二维码信息的完整度和可识别度。本发明把卷积神经网络应用到二维码的风格转移中，同时解决了风格转移对标准定位点的影响，从而能够更好的完成二维码的风格转移任务。

技术领域

本发明涉及图像处理和计算机视觉领域，尤其涉及一种基于卷积神经网络的二维码风格转换方法。

背景技术

二维码最早开始使用于汽车制造行业，用于追踪制造车辆的零部件。随着科学技术的发展，移动互联网和移动支付渐渐得到普及，二维码在我们生活中有着越来越重要的地位。二维码因扫描响应快、抗损伤性强、可从任何方向读取而广受欢迎，成为世界上使用最广泛的信息载体。传统的二维码由黑色和白色模块组成，颜色单一，视觉效果差。因此，如何让二维码变得更加美观，成为人们关注的问题。

目前已有的一些二维码美化方法把一些图案和色彩艺术融合到二维码中去，或者将图片直接嵌入到二维码中，可以增加二维码的美观性。其中嵌入图标的方法最容易实现，但它依赖于二维码固有的纠错能力，因此其可控区域相对较小且单调，降低了算法的纠错能力有着很好的美观度。但是色彩图片融合的二维码往往需要人工操作，一些图案需要单独设计，对操作者的绘画和设计能力有着很高的要求。人工设计二维码太过昂贵且效率很低。

发明内容

本发明的目的在于提供一种基于卷积神经网络的二维码风格转换方法，解决背景技术中所提到的技术问题，用于对二维码进行风格转换，使得二维码具有指定的艺术风格，其艺术风格可以自定义。在增加其美观性的同时，为了不影响其可识别度，在二维码风格转换之后，对艺术二维码进行一些图案修正，主要是对二维码标准定位点的修正，使其风格转换之后依然有着很高的识别度。

一种基于卷积神经网络的二维码风格转换方法，包括如下步骤，

步骤1：选取图片数据集作为训练集，选取指定风格图片，作为目标风格图片，使用训练集和目标风格图像训练风格转换网络；

步骤2：把内容图像输入训练好的风格网络中，输出生成图像；

步骤3：把内容图像、生成图像和风格图像输入到预训练的VGG16网络中，通过VGG16网络提取到的图片特征来设计损失函数；

步骤4：使用Adam优化器训练风格转换网络，直到损失函数收敛，停止训练；

步骤5：提高风格转换网络的内容权重，使得风格转换网络转换后的生成图像保留输入图像的内容信息；

步骤6：把嵌入了背景图片的混合二维码输入到训练好的图像转换网络中，得到艺术二维码；

步骤7：对艺术二维码的四个标准定位点进行修复，得到所需的二维码。

进一步地，所述步骤1中，风格转换网络为一个深度残差网络，包含5个残差块，卷积层使用Relu非线性激活函数，所有非残差卷积层都进行空间批标准归一化，整个网络不使用池化层，网络的输入层和输出层卷积使用9*9卷积核，其余所有卷积层使用3*3卷积核。

进一步地，所述风格转换网络中生成图片的风格与训练网络时选取的风格图像有关，输入的图像通过卷积层，对图像信息进行压缩和编码，提取图像的特征，利用四个残差块来构造内容结构特征，通过三个卷积块对图像进行重建，最后一层卷积使用9*9大小的卷积核，输出转换后的图片。

进一步地，所述步骤3中的预训练的VGG16网络的具体过程为，VGG16网络为在ImageNet上预训练的用来提取图片特征设置损失函数的网络，在VGG16网络中，使用其中Relu2_2作为内容提取层，使用Relu1_2，Relu2_2，Relu3_3，Relu4_3作为风格提取层。