基于卷积神经网络图像风格迁移技术应用-毕业论文.pdf

基于卷积神经网络的图像风格迁移技术应

用

摘要

为了提高作品档次或增加作品趣味性，人们大都希望自己创作的图像作品

具有大师级人物图像作品的风格，或相同图像内容具有不同图像风格。人们对

美好事物的向往也是IT技术人员的奋斗目标，利用信息技术帮助普通人实现图

像风格迁移的梦想是件很有意义的事情。因此，设计一个基于卷积神经网络的

图像风格快速迁移方法应用。首先先使用VGG网络对图像内容和风格特征提

取，并且用深度残差网络对提取的内容和风格特征进行重构来生成迁移图像，

然后运用生成式对抗网络思想，来迭代训练一个可以快速风格迁移系统模型，

这样可以快速高效的对大批量图像进行风格迁移；最后设计一个演示系统，根

据我们训练好的不同风格模型，让用户可以通过网页上传自己要进行迁移的图

片，然后选择不同的风格，后台加载对应风格的模型进行迁移，最后将迁移后

的图像返回到web网页，供用户浏览和下载保存。

实验结果显示，该方法能较好的完成图像风格迁移工作，系统生成的迁移

图像质量很好的融合内容图像的主体内容和风格图像的风格特征。

关键字：图像风格迁移；VGG网络；生成式对抗网络；深度残差网络

第1章绪论

1.1背景、目的及意义

在艺术领域，特别是绘画，影视，画家及导演们通过创造特殊的内容及风

格，给人们带来一种前所未有的视觉冲击。人类对美的在追求永无止境，尤其

是对自己创作的图像及绘画。然而对于普通大众来说，想要自己的绘画或者图

片更具有趣味性只能借助PS技术。在艺术家和普通大众两个主体面前，图像风

格迁移技术亟待突飞猛进的发展来满足大家对艺术化的追求。而深度学习的兴

起，尤其是卷积神经网络的出现，让计算机对图像的识别及提取内容技术上了

一个台阶。2015年Gatys初次将深度学习和神经网络运用到了图像的风格艺术

[6]

迁移技术上来。然而Gatys所运用的基于迭代图像的方法效率低下且操作复

杂，对于没有专业知识的普通用户来说很难实现图像风格迁移工作。对于当今

快节奏生活的大众，如何解决这效率低下且复杂的问题呢？本系统正好补足效

率低下的缺点，并加以迁移系统供用户操作。该系统在后台对模型进行训练，

生成已经成熟的模型，在网页上供用户选择。

通过风格迁移技术，可以对图片进行处理，使图片效果展示的更加完美，

达到对图像艺术预期的要求。对于此次课题研究，目的是为了让大众摆脱复杂

的修图技术，让没有深厚绘画功底的用户轻松地得到自己想要的风格图片。针

对这一技术的实现，本系统首先先使用VGG（VisualGeometryGroup）网络对

图像内容和风格特征提取，并且用深度残差网络对提取的内容和风格特征进行

重构来生成迁移图像，然后运用生成式对抗网络思想，来迭代训练一个可以快

速风格迁移系统模型，这样可以快速高效的对大批量图像进行风格迁移；最后

加入一个演示系统，这样就能使用户简单快速地对自己喜欢的风格图像进行迁

移。

通过卷积神经网络等算法设计实现一个图像风格快速迁移系统。通过这个

系统，可以让用户简单快速地对自己的图像进行风格迁移，从而达到用户对图

像艺术化的追求。本文设计的快速风格迁移系统，在绘画方面也有很大的作

用：可以在绘画作品中填入多元的艺术风格，从而使绘画作品更加完美。在影

视作品方面，本设计为影视作品风格迁移打下基础，在今后的学习研究中可以

在本设计的基础上完成影视作品的风格迁移技术。

1.2相关工作

目前的风格迁移技术，包括物理建模提取纹理、基于图像迭代方法及基于

模型迭代三种方法[14]。

1.2.1基于物理模型的绘制和纹理的合成的方法

基于物理模型的绘制和纹理的合成实现图像风格迁移是一种传统非参数的

迁移方法[14]。主要通过对样本纹理进行拼接和重组来合成新的纹理。在图像处

理技术上，把纹理当做一个图片的风格，在后续的图像风格迁移技术上都是对

图像的纹理特征进行提取。这种非参数的提取方法也只能提取内容与风格图片

底层的纹理，对于颜色、内容复杂的图像合成起来就显得粗糙。

1.2.1基于图像迭代的方法

基于图像迭代的主要做法是直接在白噪声图像进行迭代优化实现风格迁

[6]

移，这种做法的