[发明专利]一种基于深度学习的图像风格迁移方法及装置

说明书

本发明公开了一种基于深度学习的图像风格迁移方法，首先获取原始图像，并对所述原始图像进行内容图像的特征提取和风格图像的特征提取，分别得到第一特征图像和第二特征图像；创建白噪声图像，将所得到的第一特征图像和第二特征图像通过迭代优化后导入到所创建的白噪声图像中；再将所述白噪声图像进行迭代最小化，并结合风格损失函数和内容损失函数获得具有原始图像内容和预设风格的迁移后图像。上述方法及装置能够解决现有图像风格迁移技术合成较为粗糙、合成效果差的问题。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于深度学习的图像风格迁移方法及装置。

背景技术

目前图像处理技术开始越来越广泛地应用到社会各个领域，这其中人工智能与艺术的交叉碰撞，在相关的技术领域和艺术领域引起了高度关注，各类与图像艺术化相关的应用也盛行起来，如动画制作、游戏渲染、广告设计等。图像风格迁移又可以看成是图像纹理转移的问题，在计算机发展之初，科学家发明了真实感绘制技术，它是以数学、计算机科学等相关知识作为基础，利用真实世界中的场景、造型、光源等因素，在计算机图形输出设备上绘制出逼真景象的技术，但由于其时间成本巨大，于是随着计算机技术的发展，图形学上又出现了非真实感绘制技术，与传统计算机图形学追求真实感不同，其主要用于模拟艺术式绘制风格的技术，在电影、电子游戏领域、艺术领域、科研领域都有所应用。

但现有的图像风格迁移技术通常是对图片进行颜色转换、纹理的简单合成，最终的图像合成较为粗糙，合成效果较差，难以符合实际需求。

发明内容

本发明的目的是提供一种基于深度学习的图像风格迁移方法及装置，能够解决现有图像风格迁移技术合成较为粗糙、合成效果差的问题。

本发明的目的是通过以下技术方案实现的：

一种基于深度学习的图像风格迁移方法，所述方法包括：

步骤1、获取原始图像，并对所述原始图像进行内容图像的特征提取和风格图像的特征提取，分别得到第一特征图像和第二特征图像；

步骤2、创建白噪声图像，将所得到的第一特征图像和第二特征图像通过迭代优化后导入到所创建的白噪声图像中；

步骤3、再将所述白噪声图像进行迭代最小化，并结合风格损失函数和内容损失函数获得具有原始图像内容和预设风格的迁移后图像。

由上述本发明提供的技术方案可以看出，上述方法及装置能使得迁移后得到的图像细腻、合成效果较好，解决现有图像风格迁移技术合成较为粗糙、合成效果差的问题。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的基于深度学习的图像风格迁移方法流程示意图；

图2为本发明实施例所述ReLU函数图形的示意图；

图3为本发明所举实例中不同迭代次数获得的风格迁移图像示意图；

图4为本发明实施例所述基于深度学习的图像风格迁移装置结构示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

下面将结合附图对本发明实施例作进一步地详细描述，如图1所示为本发明实施例提供的基于深度学习的图像风格迁移方法流程示意图，所述方法包括：