[發明專利]一種基于深度學習的圖像風格遷移方法及裝置

在審

• 申請號: 202010717100.1
• 申請日: 2020-07-23
• 公開（公告）號: CN111986302A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 張寧;范崇睿;任晗;謝敏怡
• 申請（專利權）人: 北京石油化工學院
• 主分類號: G06T15/02
• 分類號: G06T15/02;G06T5/50;G06N3/04
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;陳亮

本發明公開了一種基于深度學習的圖像風格遷移方法，首先獲取原始圖像，并對所述原始圖像進行內容圖像的特征提取和風格圖像的特征提取，分別得到第一特征圖像和第二特征圖像；創建白噪聲圖像，將所得到的第一特征圖像和第二特征圖像通過迭代優化后導入到所創建的白噪聲圖像中；再將所述白噪聲圖像進行迭代最小化，并結合風格損失函數和內容損失函數獲得具有原始圖像內容和預設風格的遷移后圖像。上述方法及裝置能夠解決現有圖像風格遷移技術合成較為粗糙、合成效果差的問題。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種基于深度學習的圖像風格遷移方法及裝置。

背景技術

目前圖像處理技術開始越來越廣泛地應用到社會各個領域，這其中人工智能與藝術的交叉碰撞，在相關的技術領域和藝術領域引起了高度關注，各類與圖像藝術化相關的應用也盛行起來，如動畫制作、游戲渲染、廣告設計等。圖像風格遷移又可以看成是圖像紋理轉移的問題，在計算機發展之初，科學家發明了真實感繪制技術，它是以數學、計算機科學等相關知識作為基礎，利用真實世界中的場景、造型、光源等因素，在計算機圖形輸出設備上繪制出逼真景象的技術，但由于其時間成本巨大，于是隨著計算機技術的發展，圖形學上又出現了非真實感繪制技術，與傳統計算機圖形學追求真實感不同，其主要用于模擬藝術式繪制風格的技術，在電影、電子游戲領域、藝術領域、科研領域都有所應用。

但現有的圖像風格遷移技術通常是對圖片進行顏色轉換、紋理的簡單合成，最終的圖像合成較為粗糙，合成效果較差，難以符合實際需求。

發明內容

本發明的目的是提供一種基于深度學習的圖像風格遷移方法及裝置，能夠解決現有圖像風格遷移技術合成較為粗糙、合成效果差的問題。

本發明的目的是通過以下技術方案實現的：

一種基于深度學習的圖像風格遷移方法，所述方法包括：

步驟1、獲取原始圖像，并對所述原始圖像進行內容圖像的特征提取和風格圖像的特征提取，分別得到第一特征圖像和第二特征圖像；

步驟2、創建白噪聲圖像，將所得到的第一特征圖像和第二特征圖像通過迭代優化后導入到所創建的白噪聲圖像中；

步驟3、再將所述白噪聲圖像進行迭代最小化，并結合風格損失函數和內容損失函數獲得具有原始圖像內容和預設風格的遷移后圖像。

由上述本發明提供的技術方案可以看出，上述方法及裝置能使得遷移后得到的圖像細膩、合成效果較好，解決現有圖像風格遷移技術合成較為粗糙、合成效果差的問題。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。

圖1為本發明實施例提供的基于深度學習的圖像風格遷移方法流程示意圖；

圖2為本發明實施例所述ReLU函數圖形的示意圖；

圖3為本發明所舉實例中不同迭代次數獲得的風格遷移圖像示意圖；

圖4為本發明實施例所述基于深度學習的圖像風格遷移裝置結構示意圖。

具體實施方式

下面結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明的保護范圍。

下面將結合附圖對本發明實施例作進一步地詳細描述，如圖1所示為本發明實施例提供的基于深度學習的圖像風格遷移方法流程示意圖，所述方法包括：