[发明专利]一种图像风格迁移方法、装置、存储介质及终端

说明书

本发明公开了一种图像风格迁移方法、装置、存储介质及终端，方法包括：获取待渲染的目标图像，并确定待迁移的目标风格参数；将目标图像和目标风格参数输入预先训练的风格迁移模型中；其中，所述风格迁移模型是根据采集的图像风格迁移数据集与增强数据集训练生成的，增强数据集是采用生成对抗网络和图像风格迁移数据集生成的；输出目标图像对应的风格化合成图像。由于本申请采用生成对抗网络和图像风格迁移数据集生成增强数据集，采用增强数据集对采集的图像风格迁移数据集进行扩充，从而增大了模型训练样本的规模，进而提高了图像风格迁移模型的鲁棒性和多样性。

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像风格迁移方法、装置、存储介质及终端。

背景技术

随着互联网技术的发展，图像处理手段也越来越丰富。图像风格转换能够在保留图像主要内容的情况下，将图像细节和风格进行变化，如人像年龄变化、人像转换为手绘风格、照片转换为动画风格等。

其中图像风格迁移的主要任务是由一张内容图片和一张风格图片进行融合之后得到风格渲染后的合成图片，其基础原理是定义两个距离，一个用于内容(DC)，另一个用于风格(DS)。DC测量两个图片之间内容的差异，而DS测量两个图片之间风格的不同。例如获取第三个图片，即输入，并对其进行转换，以最小化其与内容图片的内容距离和其与风格图片之间的风格距离。

现有的图像风格转换中，通过大量的图像风格迁移数据集对神经网络模型进行训练，以获得较好的图像拟合运算能力，但是目前图像风格迁移公开的模型训练数据集较少，且其数量及种类均有限，限制了图像风格迁移技术的发展，从而使得训练后的模型转换后输出的图像风格效果较差，从而降低了图像风格迁移模型的鲁棒性和多样性。

发明内容

本申请实施例提供了一种图像风格迁移方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

第一方面，本申请实施例提供了一种图像风格迁移方法，方法包括：

获取待渲染的目标图像，并确定待迁移的目标风格参数；

将目标图像和目标风格参数输入预先训练的风格迁移模型中；其中，所述风格迁移模型是根据采集的图像风格迁移数据集与增强数据集训练生成的，增强数据集是采用生成对抗网络和图像风格迁移数据集生成的；

输出目标图像对应的风格化合成图像。

可选的，按照以下步骤生成预先训练的风格迁移模型，包括：

采集图像风格迁移数据集；

采用生成对抗网络和图像风格迁移数据集生成增强数据集；

将增强数据集合并至图像风格迁移数据集中，生成模型训练样本；

创建风格迁移模型；

根据模型训练样本对风格迁移模型进行训练后得到风格迁移模型的损失值；

当风格迁移模型的损失值到达最小时，生成预先训练的风格迁移模型。

可选的，采用生成对抗网络和图像风格迁移数据集生成增强数据集，包括：

根据图像风格迁移数据集计算先验分布；

从先验分布中获取第一数量的数据样本；

将第一数量的数据样本输入生成对抗网络中预先训练的生成模型中，输出增强数据集。

可选的，按照以下步骤生成对抗网络中预先训练的生成模型，包括：

获取生成对抗网络；其中，生成对抗网络包括生成模型和判别模型；