[发明专利]一种从单样本中学习笔触风格的图像风格迁移方法及系统

权利要求书

1.一种从单样本中学习笔触风格的图像风格迁移方法，其特征在于，包括以下步骤：

获取待迁移图像；

将待迁移图像输入到训练后的基于编码器-解码器结构的生成器网络中，实现待迁移图像的实时笔触风格迁移。

2.根据权利要求1所述的从单样本中学习笔触风格的图像风格迁移方法，其特征在于，所述将将待迁移图像输入到训练后的基于编码器-解码器结构的生成器网络中之前还包括：

通过块置换方法将单张风格图像随机切分为若干图像块，将各图像块通过随机重组生成包含若干图像的训练集；

利用块判别器消除卷积运算时相邻图像块之间像素不连续纹理产生的棋盘效应；

设计平衡对抗损失与内容损失的综合损失函数；

构建基于编码器-解码器结构的生成器网络；

利用所述综合损失函数及所述训练集对所述生成器网络进行训练，得训练后的基于编码器-解码器结构的生成器网络。

3.根据权利要求2所述的从单样本中学习笔触风格的图像风格迁移方法，其特征在于，所述通过块置换方法将单张风格图像随机切分为若干图像块，将各图像块通过随机重组生成包含若干图像的训练集的具体过程为：

在单张风格图像y的随机位置上裁剪得到尺寸为n×n的图像块p_j；

经T²次随机裁剪，得到T²个图像块p_j,j＝1,..,T²，利用所述T²个图像块p_j,j＝1,..,T²通过随机重组生成新的图像ψ(y)；

利用K次随机重组生成的新的图像构建训练集

4.根据权利要求3所述的从单样本中学习笔触风格的图像风格迁移方法，其特征在于，所述在单张风格图像y的随机位置上裁剪尺寸为n×n的图像块p_j为：

p_j(u,v)＝y[(W_y-n)r+u,(H_y-n)r+v] (1)

其中，u,v∈{1,…,n}分别为图像横坐标及纵坐标，r～U(0,1)为[0,1]区间内服从均匀分布的随机变量，W_y及H_y分别为图像y的宽度及高度。

5.根据权利要求3所述的从单样本中学习笔触风格的图像风格迁移方法，其特征在于，所述将T²次随机裁剪得到的图像块通过随机重组生成新的图像ψ(y)为：

其中，分块矩阵ψ(y)的维度为nT×nT。

6.根据权利要求2所述的从单样本中学习笔触风格的图像风格迁移方法，其特征在于，设各图像块的大小为n×n，块判别器D_p中每个卷积层l的卷积核的大小为k_l×k_l,卷积步长为s_l，块判别器D_p须满足下述约束关系：

7.根据权利要求2所述的从单样本中学习笔触风格的图像风格迁移方法，其特征在于，所述设计的对抗损失函数为：

其中，为数学期望，D_p与G(·)分别为待优化的块判别器与生成器网络，y为输入的单张风格图像，ψ(y)为其完成随机重组后生成的一张块置换图像，所有K张块置换图像就构成用于网络训练的风格样本集x为内容样本集中的一张图像。

8.一种从单样本中学习笔触风格的图像风格迁移系统，其特征在于，包括：

获取模块，用于获取待迁移图像；

风格迁移模块，用于将待迁移图像输入到训练后的基于编码器-解码器结构的生成器网络中，实现待迁移图像的实时笔触风格迁移。

9.根据权利要求8所述的从单样本中学习笔触风格的图像风格迁移系统，其特征在于，还包括：

块置换模块，用于通过块置换方法将单张风格图像随机切分为若干图像块，将各图像块通过随机重组生成包含若干图像的训练集；

块判别器模块，用于利用块判别器消除卷积运算时相邻图像块之间像素不连续纹理产生的棋盘效应；

损失函数模块，用于设计平衡对抗损失与内容损失的综合损失函数；

生成器模块，用于构建基于编码器-解码器结构的生成器网络；

网络训练模块，用于利用所述综合损失函数及所述训练集对所述生成器网络进行训练，得训练后的基于编码器-解码器结构的生成器网络。