标题：基于深度学习的印刷纹理图矢量化
作者：严凌霄 吴汉舟 冯国瑞 张新鹏
作者单位：上海大学通信与信息工程学院，上海 200072
关键字：神经网络；多尺度残差优化；多向量场；矢量化
摘要：将纹理扫描图转换成矢量图以供编辑和再利用是计算机图形学和图像处理的一大热点问题。大部分印刷纸面上都包含底纹图案，经过印刷这一复杂物理过程，加上线条本身就相互交错，即使经过高分辨率扫描仪生成位图，线条仍旧会有粘连、边缘信息损失严重、噪声较多的情况，这给纹理线条矢量化带来了很大挑战。采用深度学习的思想，提出一种基于Basnet结构的改进的分割网络，将线条重建转化为图像分割问题来进行图像预处理。该网络能够通过多尺度残差优化将线条模糊的边缘去除，保留以线条骨架为中心的一定宽度的光滑线条。然后使用改进的基于多向量场的线条矢量化算法进行拓扑分析、提取以及矢量化操作。在多种类别扫描图的实验下，验证了该算法能够适用于大部分印刷底纹图案，取得了较好的矢量化效果。