利用人工神经网络进行纹样重构与创新

沈淑敏，施清清，孙梦洁，林 丽，陶 晨

(绍兴文理学院 纺织服装学院，浙江 绍兴 312000)

纹样是纺织品的重要构成要素之一，纹样的数字化和自动化生成，是纺织纹样领域的研究热点。目前，数字化纹样技术主要源于数学模型的可视化，其中最重要的是分形算法，如迭代函数系统[1-2]、Julia集[3-4]、L系统[5-6]，均可产生新颖的、别具一格的图案；其次是利用弱混沌系统[7]，包括准规则斑图[8]、均匀随机网[9]、哈密顿函数[10]等来生成纹样图案；其他生成图案的方法还包括傅里叶变换[11]、参数化模型[12]等，这些方法用于纹样创造(Creation)，可以产生新奇、有特色的图案。但针对现有纹样进行数字化改造(Innovation)，且在一定程度上保留原纹样特征的新纹样，未见系统性方法。纹样改造和纹样创造同样重要，特别是对于经典传统纹样，有效地实施纹样改造可为其注入新的生命力，是传统文化保护和发扬的重要途径。本文利用神经网络对现有纹样进行学习和改造的方法，通过将人工智能方法用于纺织纹样的学习与重构，为纹样的数字化创新开辟新的途径。

1 研究方法

1.1 网络模型

纺织纹样可视为一个关系函数F，该函数描述纹样中位置与颜色之间的关系，由式(1)表示：

C=F(P)

(1)

式中：P为纹样在图像中的位置；C为位置P处的颜色。

如果能掌握纹样的关系函数F，就可以在各种条件下重建纹样。关系函数F通常是非常复杂的，不能用简单的数学公式描述，但可以通过人工神经网络来学习和逼近。神经网络结构见图1。

图1 神经网络结构