[发明专利]一种目标边缘清晰化的风格迁移方法

权利要求书

1.一种目标边缘清晰化的风格迁移方法，其特征在于，包括：

S1.输入原始风格图像和原始内容图像，搭建深度神经抠图网络；

S2.对原始风格图像和原始内容图像进行特征图提取、风格图像重建和内容图像重建，并将抠图网络产生的遮罩与重建的风格图像和内容图像合并；

S3.将特征图和抠图网络产生的遮罩叠加在高斯白噪声图像上，优化风格图像和内容图像产生的损失函数；

S4.计算原始风格图像与提取的内容图像特征图之间的欧氏距离；计算原始风格图像与提取的风格图像特征图之间的均方误差；

S5.将欧氏距离和均方误差与约束函数按照权重叠加，得到风格图像与原始风格图像和内容图像的总损失函数；

S6.将总损失函数计算的误差进行迭代更新，并输出风格图像；

所述深度神经抠图网络的搭建采用编码器-解码器结构，解码器的卷积层使用小卷积核，编码器部分由VGG-19模型作为特征提取器；

所述S3中，内容图像x和风格化图像在第l层的损失函数为

风格图像y和风格化图像在第l层的损失函数为:

其中G^l是格莱姆矩阵，一个N^l×N^l的对称矩阵，是第l层的第i个和第j个矢量化特征图的归一化内积：

其中H^l和W^l分别为第l层特征映射的高度和宽度，N^l表示网络第l层有N^l不同的滤波器，M^l(·)是在l层的滤波器的激活函数值。

2.根据权利要求1所述的一种目标边缘清晰化的风格迁移方法，其特征在于：所述深度神经抠图网络最后一层是具有sigmoid函数的1×1的卷积层，该卷积层的特征图通道数为1，元素阈值设为[0,1]。

3.根据权利要求1所述的一种目标边缘清晰化的风格迁移方法，其特征在于：所述S2还包括：

S201、用VGG-19网络的卷积层Conv4_2和Conv5_2提取的高维特征图进行内容表示；

S2022、用VGG-19网络的卷积Conv1_1,Conv2_1,Conv3_1,Conv4_1,Conv5_1提取的特征图进行风格表示。

4.根据权利要求1所述的一种目标边缘清晰化的风格迁移方法，其特征在于：所述S5中，总损失函数为

式中，L_R为正则化项，以增加生成图像的平滑性，α，β，γ分别为内容损失函数、风格损失函数和正则化项的权重系数。