一种高分辨率图像风格迁移方法技术

本发明专利技术公开了一种高分辨率图像风格迁移方法，通过向原始图像填充像素后，再切割成多个图像小片，在每个图像小片的四周再扩展像素点，接着将图像小片按行列的顺序依次编号，得到图像小片位置序列；然后将图像小片打乱后进行排序，形成新的图像小片序列，并生成图像小片串图；再对图像小片串图进行切割，形成个图像数据块进行风格迁移，最后将处理后的图像数据块中的图像小片进行原始位置恢复，恢复时相邻图像小片之间利用边缘融合算法进行边缘融合，最终获得图像风格迁移结果图像。本发明专利技术可以进行高分辨率图像风格迁移，图像风格迁移后边界的拼接过渡自然，而且有效地提升风格迁移整体效果，具有适用性强的特点。

【技术实现步骤摘要】
一种高分辨率图像风格迁移方法
本专利技术涉及图像处理
，具体涉及一种高分辨率图像风格迁移方法。
技术介绍
图像风格迁移是一个长期的研究课题，在神经网络风格迁移(NST)出现之前，计算机图形学的相关研究已经扩展到非真实感渲染(NPR)的领域。在计算机视觉领域，风格迁移通常被认为是纹理合成的问题，广泛应用于网络社交、用户辅助创作、娱乐应用创作等领域。2015年Gatys等提出了一种基于神经网络的风格迁移方法，开创性地将深度学习方法应用于图像风格迁移中。Gatys等人的方法在时间复杂度上较高，每一张图像都需要进行上千次的迭代优化。随后，为了加速Gatys等人的方法，(2016年)Johnson等人提出通过相同的目标函数，训练一个前馈型卷积神经网络，每次只需要将原图像输入到前馈网络即可得到风格图像，相比Gatys等人的方法可以做到近1000倍的加速效果，能够实时地进行风格迁移，成为目前图像风格迁移的主流算法。该算法对中低分辨率图像支持较好，然而在计算资源一定的情况下，面对如汽车制造设计、高清装饰画生成等需要高清甚至超高清的图像分辨率要求的应用场景本文档来自技高网...

【技术保护点】
1.一种高分辨率图像风格迁移方法，其特征在于：按下述步骤进行：/na、在n×m个像素的原始图像的最右边以及最下边填充最小的P

【技术特征摘要】
1.一种高分辨率图像风格迁移方法，其特征在于：按下述步骤进行：
a、在n×m个像素的原始图像的最右边以及最下边填充最小的Pw和Ph个像素使得图像能够切割成L×L个图像小片，在每个图像小片的四周再扩展P个像素点，即图像小片的宽为(n+Pw)/L+2P，高为(m+Ph)/L+2P；
b、将图像小片按行列的顺序依次编号，得到图像小片位置序列{1，2，3，……，L×L}；然后将图像小片打乱后重新排序，形成新的图像小片序列，用向量T记录，并生成新的图像小片串图；
c、根据计算机计算能力的大小划分图像数据块的数量K，使计算机能够独立处理一个图像数据块，每个图像数据块包含图像小片串图中(L×L)/K个图像小片；
d、将所有图像数据块依次进行图像风格迁移处理，然后利用向量T将处理后的图像数据块中的图像小片进行原始位置恢复，恢复时，相邻图像小片之间利用边缘融合算法进行边缘融合，获得图像风格迁移结果图像。


2.根据权利要求1所述的高分辨率图像风格迁移方法，其特征在于：所述步骤b中，首先求出每个图像小片与原始图像的直方图差值，根据直方图差值进行将图像小片排序，生成图像小片串图；
所述步骤c中，以镜像方式分别从图像小片串图的首、...

【专利技术属性】
技术研发人员：马伟锋，季曹婷，陈喆，楼姣，马来宾，徐昶，岑跃峰，张宇来，孙晓勇，程志刚，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：浙江;33