[發明專利]圖像生成方法、裝置、存儲介質及終端設備

有效

• 申請號: 201710952803.0
• 申請日: 2017-10-13
• 公開（公告）號: CN107845072B
• 公開（公告）日: 2019-03-12
• 發明（設計）人: 盧薇薇;劉漢洲
• 申請（專利權）人: 深圳市迅雷網絡技術有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T11/00;G06F16/58
• 代理公司: 深圳益諾唯創知識產權代理有限公司 44447
• 代理人: 肖婉萍

本發明公開了一種圖像生成方法、裝置、存儲介質及電子設備，所述方法包括：通過預設圖像和預設風格、以及預設圖像內的特征信息，根據內容分析模型和預設風格對特征信息進行分析得到處理策略；根據處理策略對特征信息進行處理得到多個參考特征；將對應不同特征信息的參考特征隨機結合，并與預設圖像合成，得到多個待選圖像；根據圖像結構選擇模型對多個待選圖像進行處理，得到符合預設結構布局的目標圖像。提供新的深層次多風格圖像變換方法。

技術領域

本發明屬于通信技術領域，尤其涉及一種圖像生成方法、裝置、存儲介質及終端設備。

背景技術

在目前自拍，分享成為互聯網用戶的普遍需求的環境背景下，給用戶不同風格的照片美化在移動端APP中是毋庸置疑的，有著極其廣泛的需求。但是目前各個公司的照片美化大部分都局限在直接對照片進行像素級別處理，或者選用模板，對照片人臉直接融合。還沒有從照片內獲取內容元素，然后進行新的照片生成的應用。

傳統的技術方案主要包括：純像素級別美化，具體的為，用戶上傳一張照片，通過不同的卷積核對每一個像素點進行處理，或者對照片對比度等進行參數調節，得到磨皮、素描、黑白等不同效果；歐美繪畫大師風格轉換，具體的為，用戶上傳一張照片，對這張照片提取深度學習模型的高層特征，描述了圖像的主要的結構化信息，然后對內置的不同風格的照片，基于CNN每一層的特征計算得到的Gram matrix又可以很好的捕捉圖像的風格信息(筆觸以及紋理等)。結合這兩種信息定義損失函數，指導圖像從某個起始點(如：隨機噪聲或內容圖像本身)開始，不斷迭代優化，逐漸轉變為風格變換后的圖像；動漫風格轉換，具體的為，對照片中天空進行檢測，加入白云，然后對照片其他部分進行色調調節。

發明內容

本發明提供一種圖像生成方法、裝置、存儲介質及終端設備，能夠提供新的深層次多風格圖像變換方法。

本發明實施例提供一種圖像生成方法，應用于終端設備，所述方法包括步驟：

獲取預設圖像和預設風格，并獲取所述預設圖像內的特征信息；

獲取內容分析模型，根據所述內容分析模型和所述預設風格對所述特征信息進行分析得到處理策略；

根據所述處理策略對所述特征信息進行處理得到多個參考特征；

將對應不同所述特征信息的所述參考特征隨機結合，并與所述預設圖像合成，得到多個待選圖像；

根據圖像結構選擇模型對所述多個待選圖像進行處理，得到符合預設結構布局的目標圖像。

進一步地，所述獲取所述預設圖像內的特征信息的步驟，包括將所述預設圖像經過場景識別深度學習網絡得到場景特征、將所述預設圖像經過物體識別深度學習網絡得到物體特征、將所述預設圖像經過人臉識別得到人臉特征中的至少一項。

進一步地，所述獲取內容分析模型，根據所述內容分析模型和所述預設風格對所述特征信息進行分析得到處理策略的步驟，包括：

所述內容分析模型包括風格策略庫，所述風格策略庫包括知識庫和策略庫；

所述知識庫包括多個圖畫、以及對應所述圖畫的描述信息，每一所述圖畫的描述信息包括參考特征信息和風格信息；

所述策略庫包括對應每一圖畫的圖像風格轉換策略和/或人臉部分的轉換策略；

將所述特征信息和所述預設風格，與所述知識庫中圖畫的參考特征信息和風格信息進行比對，若兩者都比對符合，則獲取所述圖畫的參考特征信息、以及對應所述圖畫的圖像風格轉換策略和/或人臉部分的轉換策略。

進一步地，所述根據圖像結構選擇模型對所述多個待選圖像進行篩選，得到符合預設結構布局的目標圖像的步驟，包括：

所述圖像結構選擇模型包括第一深度神經網絡；