[发明专利]一种基于GAN的自动化设计图像生成方法

说明书

本发明公开了一种基于GAN的自动化设计图像生成方法，包括以下步骤：步骤1：将图像进行空白剔除、大小归一化操作，并将所有图像转换为预设像素×预设像素的像素大小；步骤2：搭建与运行GAN深度学习模型；步骤3：经过若干轮训练迭代后，将超参赋值于生成器网络中，生成新的设计图像；步骤4：将生成出的设计图像进行腐蚀与膨胀数学计算，减少其噪声点；步骤5：使用中值滤波对图像中色彩边缘进行平滑，减少边缘突变。本发明方法相对于传统GAN方法，一方面所生成出的设计图像边缘更加平滑、颜色更加美观，另一方面也可以根据网络模型中的超参调整改变生成图像的分布函数，增加设计图像的多样性。

技术领域

本发明涉及图像生成技术领域，具体为一种基于GAN的自动化设计图像生成方法。

背景技术

设计师在进行图片设计时要同时考虑到美观、多样等问题，往往需要花费大量时间设计图片并进行修改，因此使用人工智能算法快速生成设计图片，极大地压缩设计时间，将大多低端的定制化设计工作转别为量贩式设计具有巨大的经济价值。

目前已有使用生成对抗网络(GAN)生成图像的研究或发明，比如华中科技大学的专利《一种任意姿态行人图片生成方法》(申请号201810295994.2)、电子科技大学的专利《基于生成对抗网络的服饰搭配生成方法》(申请号201910842802.X)等等。

但是大多基于GAN的图片生成方法一般使用朴素GAN模型，存在色彩搭配交叉、边缘不平滑、细节不可控、生成样式较为单一等缺陷。本发明提出新的GAN结构，融合styleGAN模型设计理念，并对其进行进一步改进，能够设计出能够生成多样、色彩美观、边缘平滑的设计图像。

发明内容

本发明的目的在于提供一种基于GAN的自动化设计图像生成方法，这种方法相对于传统GAN方法，一方面所生成出的设计图像边缘更加平滑、颜色更加美观，另一方面也可以根据网络模型中的超参调整改变生成图像的分布函数，增加设计图像的多样性。

为实现上述目的，本发明提供如下技术方案：一种基于GAN的自动化设计图像生成方法，包括以下步骤：

步骤1：将图像进行空白剔除、大小归一化操作，并将所有图像转换为预设像素×预设像素的像素大小；

步骤2：搭建与运行GAN深度学习模型；

步骤3：经过若干轮训练迭代后，将超参赋值于生成器网络中，生成新的设计图像；

步骤4：将生成出的设计图像进行腐蚀与膨胀数学计算，减少其噪声点；

步骤5：使用中值滤波对图像中色彩边缘进行平滑，减少边缘突变。

优选的，所述步骤2中的：GAN深度学习模型可分为生成器与判别器，在一轮训练迭代中生成器网络输入预设像素×1维度的随机向量后，生成出预设像素×预设像素的图像，生成图像与真实图像均放入判别器后计算分类准确率与损失函数，将计算的损失分别反馈给生成器与判别器，生成器网络与判别器网络根据损失梯度下降结果，反馈至网络参数，对网络参数进行调整，然后进入下一轮训练迭代。

优选的，所述生成器网络可不断生成预设像素元×预设像素元像素的图像。

优选的，所述预设像素为256×256像素的图像或者1024×1024像素的图像。

优选的，所述步骤1中的：空白剔除是将遍历设计图像的每一个像素点，寻找最左上角非白色像素点以及最右下角非白色像素点，保留这两个像素点以内的矩形范围，提出该范围外的空白部分。

优选的，所述步骤1中的：大小归一化是为了保证设计图像的长宽比，将设计图像长宽比在预设图像长宽比内的图像删除，将该预设图像长宽比外的图像长宽缩放为预设像素×预设像素。

优选的，所述预设图像长宽比为1:1.2。