基于深度学习的印刷套色偏差判定方法与流程

摘要: 本发明涉及印刷图像检测、深度学习及图数据处理,具体为基于深度学习的印刷套色偏差判定方法。背景技术:1、彩色印刷品的套色偏差判定以多个分色图层在承印物上的相对位置...
基于深度学习的印刷套色偏差判定方法与流程

本发明涉及印刷图像检测、深度学习及图数据处理,具体为基于深度学习的印刷套色偏差判定方法。

背景技术:

1、彩色印刷品的套色偏差判定以多个分色图层在承印物上的相对位置为检测对象,现有实现通常在印刷机收料端或质量检测工位设置面阵相机、线阵相机及同步照明模块,依据套准标记、纸张边缘或者预设版面坐标定位检测区域,将连续采集的印刷图像裁切为若干图像块;图像块经过畸变校正、尺度统一、亮度均衡、噪声抑制和颜色表征转换后,与预先标注的套色正常样本、横向偏移样本、纵向偏移样本以及不同偏差等级样本共同构成训练数据;卷积神经网络通过多层卷积和下采样提取彩边、重影、重复轮廓及局部颜色分离特征,再由分类层输出各套色状态的类别概率,检测端依据类别概率完成单个图像块判定,并通过多个检测区域的多数结果或者最大异常概率形成整张印刷品的判定结论,同时保存对应图像块、判定类别和采集位置供后续复核及样本更新使用。

2、在模型训练与在线部署过程中,现有方案通常围绕固定产品版式建立相应样本库,通过人工调整印版位置、移动分色图层或者筛选生产过程中的异常印张获得不同方向和不同程度的套色偏差样本,再采用旋转、裁切、亮度变化、模糊和噪声叠加扩充训练图像;完成模型训练后,系统利用版面定位结果将待检图像映射至基准坐标,按照预先配置的检测区域逐块调用分类模型,并将图像块对应的类别概率、异常区域数量和连续印张判定结果进行汇总;部分方案还将合格样张或者数字原稿作为参考图像,对参考图像与待检图像执行局部配准或特征相似度计算,再将差异图与卷积特征共同输入分类层;当产品图案、承印材料或者印刷批次发生变化时,通过补充对应样本重新训练或调整模型,使分类边界与当前产品的颜色外观和图案结构相匹配。

3、现有基于图像块分类的处理方式仍以局部颜色外观和纹理统计关系作为判定基础,各检测区域之间缺少印前分色轮廓对应关系以及同一色版偏移在版面空间中的连续性约束,因而无法从几何关系层面确认检测到的彩边或重影是否由分色图层相对位移形成;当墨层浓度、照明反射、承印物纹理或者局部印刷缺陷产生与套色偏差相近的颜色分离外观时,独立图像块可能给出异常类别,而真实色版偏移在局部轮廓较弱或者颜色交叠较少的区域又可能缺少足够分类特征;多个图像块采用多数结果或最大异常概率汇总时,局部误判会直接影响整张印刷品结论,其本质在于缺少能够将分色几何证据与版面关联证据共同纳入判定过程的约束机制,导致真实套色位移与非几何性颜色异常之间容易发生混淆。

技术实现思路

1、本发明的目的在于提供基于深度学习的印刷套色偏差判定方法,可以解决上述背景技术中的问题。

2、为实现上述目的,本发明采取的技术方案为:

3、基于深度学习的印刷套色偏差判定方法,包括:获取印前分色图层及与所述印前分色图层对应的待检印刷图像,依据各印前分色图层的轮廓交叠关系生成色边锚点集合,并在所述待检印刷图像中定位各色边锚点对应的检测区域;

4、通过深度特征提取网络从各检测区域获得分色轮廓的局部偏移证据;

5、依据所述色边锚点之间的同色轮廓连续关系和空间邻接关系构建色边关系图,通过图神经网络聚合相邻色边锚点的局部偏移证据以获得节点偏移状态;

6、根据各节点偏移状态生成版面套色偏差分布并输出套色偏差判定结果。

7、优选的,所述色边锚点集合的生成包括:分别提取各印前分色图层中的闭合轮廓、交叉轮廓和相邻轮廓,将不同印前分色图层的轮廓投影至统一版面坐标系,按照分色标识、轮廓交汇次序、边缘方向及邻接关系形成色边拓扑描述;

8、从所述色边拓扑描述中选取包含至少两种分色轮廓且具有确定交汇次序的版面区域,将所述版面区域的中心位置、参与分色标识、边缘方向序列及轮廓连接关系共同记录为所述色边锚点。

9、优选的,所述深度特征提取网络包括颜色响应支路和轮廓几何支路;

10、所述颜色响应支路将检测区域转换为颜色对立表征,并依据对应色边锚点的参与分色标识生成各分色响应图;

11、所述轮廓几何支路从检测区域提取梯度方向、边缘相位及轮廓连接结构,按照参与分色之间的对应关系对各分色响应图实施交叉注意力融合;

12、将融合所得特征输入偏移回归层,获得各非基准分色相对于基准分色的局部偏移向量及偏移证据可信程度。

13、优选的,所述色边关系图以所述色边锚点作为图节点,分别以同色轮廓连续关系、版面空间邻接关系和跨色共同边缘关系建立图边;

14、将所述局部偏移证据和所述色边拓扑描述写入所述图节点,将锚点坐标差、轮廓切向对应关系及参与分色标识写入所述图边;

15、所述图神经网络针对不同图边关系执行对应的消息变换,并在所述色边锚点的局部坐标系内聚合相邻图节点的消息,获得包含偏移方向、偏移连续状态及证据可信程度的节点偏移状态。

16、优选的,定位各色边锚点对应的检测区域包括:在所述待检印刷图像中提取候选边缘,按照所述候选边缘的方向顺序、颜色响应次序及交汇连接关系生成候选拓扑描述;

17、将所述候选拓扑描述与所述色边锚点的色边拓扑描述进行拓扑对应,针对形成对应关系的候选边缘建立由轮廓切向和轮廓法向组成的锚点局部坐标系;

18、依据所述锚点局部坐标系映射检测区域,在存在多个候选对应关系时,结合相邻色边锚点的排列次序和轮廓连接关系完成联合指派。

19、优选的,所述颜色响应支路和所述轮廓几何支路的训练包括:构建几何位置关系相同而颜色明度或墨层响应不同的第一样本对,以及颜色外观相近而分色轮廓发生相对移动的第二样本对;

20、分别编码样本中的颜色外观表征和几何对齐表征,在所述第一样本对之间交换所述颜色外观表征并与原几何对齐表征重新组合;

21、约束交换前后的局部偏移向量保持一致,并依据所述第二样本对的分色移动标注约束所述几何对齐表征,使检测阶段的局部偏移证据由所述几何对齐表征和色边拓扑描述共同生成。

22、优选的,所述局部偏移证据的生成还包括:将所述色边锚点的基准图像区域与对应检测区域按照正向次序和反向次序分别输入共享参数的轮廓几何支路,获得由所述基准图像区域指向检测区域的正向偏移向量以及由检测区域指向所述基准图像区域的反向偏移向量;

23、依次利用所述正向偏移向量和所述反向偏移向量映射基准轮廓点,依据映射后轮廓点与原基准轮廓点之间的闭环残差及双向轮廓对应一致度生成偏移证据可信程度,并将所述偏移证据可信程度与所述正向偏移向量共同写入对应图节点。

24、优选的,所述图神经网络分别针对所述同色轮廓连续关系、所述版面空间邻接关系和所述跨色共同边缘关系设置消息变换路径;

25、依据所述色边锚点的轮廓切向和轮廓法向,将相邻图节点的偏移向量转换至目标图节点的局部坐标系;

26、根据所述偏移证据可信程度和图边中的轮廓切向对应关系生成消息门控值,分别聚合各消息变换路径输出的关系消息,并利用聚合结果更新目标图节点的偏移向量、偏移连续状态及证据可信程度。

27、优选的,在所述色边关系图中,从同一闭合印刷轮廓上的色边锚点生成顺时针有向锚点环和逆时针有向锚点环,将各图节点的节点偏移状态沿两种方向依次转换至所述统一版面坐标系并传播至起始图节点;

28、根据两条传播路径在所述起始图节点形成的闭合状态差异更新对应图边的消息可信度,再利用更新后的消息可信度对有向锚点环内各图节点执行二次关系聚合,并将所述二次关系聚合所得节点偏移状态写入所述版面套色偏差分布。

29、优选的,所述版面套色偏差分布的生成包括:将各图节点的节点偏移状态按照所述参与分色标识分别投影至所述统一版面坐标系;

30、从同一分色对应的节点偏移状态中分离共同平移分量、沿印刷轮廓连续变化的局部残差以及缺乏图连接支持的孤立残差;

31、根据所述共同平移分量形成整体偏差子图,根据所述局部残差形成区域渐变偏差子图,并将所述孤立残差记录为非连续偏移证据;

32、结合各图节点的证据可信程度融合所述整体偏差子图和所述区域渐变偏差子图,输出包含偏移分色、空间范围、偏移方向及偏差类型的套色偏差判定结果。

33、与现有技术相比,本发明的有益效果在于:

34、1.通过从印前分色图层中提取闭合轮廓、交叉轮廓和相邻轮廓,并依据分色标识、轮廓交汇次序、边缘方向及邻接关系建立色边锚点,待检印刷图像中的检测区域获得与印前分色结构对应的几何基准;颜色响应支路与轮廓几何支路分别形成分色响应图和轮廓连接表征,融合后输出各非基准分色相对于基准分色的局部偏移向量,使套色异常由外观类别转化为具有分色对象和偏移方向的几何证据;以同色轮廓连续关系、版面空间邻接关系和跨色共同边缘关系构建色边关系图后,图神经网络能够在关联锚点之间聚合局部偏移证据,使沿同一分色轮廓连续出现的偏移状态在版面坐标中保持一致,并将缺乏关联节点支持的孤立颜色异常从连续偏差分布中分离,减少墨层变化、局部污点及纹理干扰造成的误判,并降低弱轮廓区域真实套色偏差被遗漏的概率。

35、2.色边拓扑描述与候选拓扑描述之间的对应关系,使检测区域能够依据轮廓交汇次序和连接结构完成定位,并通过轮廓切向与轮廓法向建立锚点局部坐标,减少印张整体平移、旋转及局部形变对锚点对应关系的影响;颜色外观表征与几何对齐表征的分离训练,使局部偏移证据保持对颜色明度和墨层响应变化的较低依赖;正向偏移向量、反向偏移向量及轮廓点闭环残差共同形成证据可信程度,有向锚点环的双向传播结果进一步修正图边消息可信度,减少错误锚点对应关系在图中的连续传播;节点偏移状态按照分色标识投影至统一版面坐标后,可分离共同平移分量、连续局部残差和孤立残差,形成整体偏差子图与区域渐变偏差子图,使输出结果包含发生偏移的分色、空间范围、偏移方向及偏差类型。