一种目标边缘清晰化的风格迁移方法技术

本发明专利技术涉及图像处理领域，具体为一种目标边缘清晰化的风格迁移方法，实现步骤为：搭建深度神经抠图网络；对原始风格图像和原始内容图像进行特征图提取、风格图像重建和内容图像重建；优化风格图像和内容图像产生的损失函数；计算原始风格图像与提取的内容图像特征图之间的欧氏距离；计算原始风格图像与提取的风格图像特征图之间的均方误差；确定风格图像与原始风格图像和内容图像的总损失函数；将总损失函数计算的误差进行迭代更新，并输出风格图像。本发明专利技术实现了风格图像的结构约束、纹理合成以及风格类似的图像之间的参数共享。

【技术实现步骤摘要】
一种目标边缘清晰化的风格迁移方法
本专利技术涉及图像处理领域，具体为一种目标边缘清晰化的风格迁移方法。
技术介绍
图像艺术风格渲染是计算机视觉领域中重要的研究方向。图像艺术风格化在电影产业、动画制作、游戏渲染等领域有着大量的应用。图像风格艺术化是指一幅图像的语义内容用另一幅图像的风格去表示。传统的风格迁移方法大多为手动建模，需要专业经验和复杂的数学公式，且语义内容保留以及空间约束性较差。深度神经网络凭借其强大的图像表示能力，迅速成为一种流行的图像风格化工具，推动了近年来许多神经样式转移方法的发展。因此，一种高效准确的图像风格化算法来提取图像风格及内容，能使风格化后的图像的主要目标清晰可辨且风格化效果显著。图像迁移过程中，图像布局被破坏并且前景、背景以及其他物体之间的边界变得模糊，图像的语义内容和空间布局保留程度有限，生成的图像目标模糊，视觉效果不够理想。
技术实现思路
针对图像布局被破坏并且前景、背景以及其他物体之间的边界变得模糊，生成图像的风格颜色中会掺杂风格图像中没有的颜色，图像的语义内容和空间布局保留程度有限，生成的图本文档来自技高网...

【技术保护点】
1.一种目标边缘清晰化的风格迁移方法，其特征在于，包括：/nS1.输入原始风格图像和原始内容图像，搭建深度神经抠图网络；/nS2.对原始风格图像和原始内容图像进行特征图提取、风格图像重建和内容图像重建，并将抠图网络产生的遮罩与重建的风格图像和内容图像合并；/nS3.将特征图和抠图网络产生的遮罩叠加在高斯白噪声图像上，优化风格图像和内容图像产生的损失函数；/nS4.计算原始风格图像与提取的内容图像特征图之间的欧氏距离；计算原始风格图像与提取的风格图像特征图之间的均方误差；/nS5.将欧氏距离和均方误差与约束函数按照权重叠加，得到风格图像与原始风格图像和内容图像的总损失函数；/nS6.将总损失函数...

【技术特征摘要】
1.一种目标边缘清晰化的风格迁移方法，其特征在于，包括：
S1.输入原始风格图像和原始内容图像，搭建深度神经抠图网络；
S2.对原始风格图像和原始内容图像进行特征图提取、风格图像重建和内容图像重建，并将抠图网络产生的遮罩与重建的风格图像和内容图像合并；
S3.将特征图和抠图网络产生的遮罩叠加在高斯白噪声图像上，优化风格图像和内容图像产生的损失函数；
S4.计算原始风格图像与提取的内容图像特征图之间的欧氏距离；计算原始风格图像与提取的风格图像特征图之间的均方误差；
S5.将欧氏距离和均方误差与约束函数按照权重叠加，得到风格图像与原始风格图像和内容图像的总损失函数；
S6.将总损失函数计算的误差进行迭代更新，并输出风格图像。


2.根据权利要求1所述的一种目标边缘清晰化的风格迁移方法，其特征在于：所述深度神经抠图网络的搭建采用编码器-解码器结构，解码器的卷积层使用小卷积核，编码器部分由VGG-19模型作为特征提取器。


3.根据权利要求2所述的一种目标边缘清晰化的风格迁移方法，其特征在于：所述深度神经抠图网络最后一层是具有sigmoid函数的1×1的卷积层，该卷...

【专利技术属性】
技术研发人员：沈瑜，杨倩，吴亮，张泓国，王霖，梁丽，王海龙，李丹丹，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：甘肃;62