一种增强纹理质量和稳定性的神经风格化迁移方法技术

本发明专利技术公开了一种增强纹理质量和稳定性的神经风格化迁移方法，包括步骤：一、读取样式图S和内容图C；二、使用直方图匹配算法将内容图像的直方图与样式图像的直方图匹配，生成用于计算直方图损失的新的图像H；三、用VGG19网络提取出样式图S、内容图C和图像H的特征图；四、将内容图设置为初始的种子图；五、VGG19网络提取种子图的特征图；六、分别计算样式损失E

【技术实现步骤摘要】
一种增强纹理质量和稳定性的神经风格化迁移方法
本专利技术涉及一种增强纹理质量和稳定性的神经风格化迁移方法。
技术介绍
利用神经网络的特征提取能力，将一幅图像的纹理和内容信息分离开来。通过不断迭代图像来使其同时具有内容图像的内容信息和样式图像的风格样式。现有技术的缺陷在于，在每次风格化迁移前，需要指定样式损失值和内容损失值的权重，这个权重在整个迁移过程中不再改变。为了得到较好的结果图像，需要频繁的根据每一次的输出结果修改权重值。以往的方法在计算内容损失时使用pixel-to-pixel损失，显示的假设图像在空间上对齐，而样式化的图像与内容图不会完全对齐，这容易导致生成的结果图像发生变形。
技术实现思路
本专利技术要解决的技术问题是提供一种。为了实现上述专利技术目的，本专利技术采用下述技术方案：本专利技术提出了一种一种增强纹理质量和稳定性的神经风格化迁移方法，包括以下步骤：步骤一、读取样式图S和内容图C；步骤二、使用直方图匹配算法将内容图像的直方图与样式图像的直方图匹配，生成用于计算直方图损失的新本文档来自技高网...

【技术保护点】
1.一种增强纹理质量和稳定性的神经风格化迁移方法，其特征在于包括以下步骤：/n步骤一、读取样式图S和内容图C；/n步骤二、使用直方图匹配算法将内容图像的直方图与样式图像的直方图匹配，生成用于计算直方图损失的新的图像H：/n所述新的图像H的获取过程为，是先分别计算内容图像和样式图像的直方图，再将内容图和样式图进行直方图均衡化，求出内容图像到样式图像的映射关系，最后再将内容图的像素逐个进行映射生成的；/n步骤三、用VGG19网络提取出样式图S、内容图C和图像H的特征图；样式损失的计算选取样式图S的conv2_2,conv3_2,conv4_2特征层；内容损失的计算选取内容图C的conv4_2特征层...

【技术特征摘要】
1.一种增强纹理质量和稳定性的神经风格化迁移方法，其特征在于包括以下步骤：
步骤一、读取样式图S和内容图C；
步骤二、使用直方图匹配算法将内容图像的直方图与样式图像的直方图匹配，生成用于计算直方图损失的新的图像H：
所述新的图像H的获取过程为，是先分别计算内容图像和样式图像的直方图，再将内容图和样式图进行直方图均衡化，求出内容图像到样式图像的映射关系，最后再将内容图的像素逐个进行映射生成的；
步骤三、用VGG19网络提取出样式图S、内容图C和图像H的特征图；样式损失的计算选取样式图S的conv2_2,conv3_2,conv4_2特征层；内容损失的计算选取内容图C的conv4_2特征层；直方图损失的计算选取图像H的conv2_2和conv4_2特征层；
步骤四、将内容图设置为初始的种子图；
步骤五、VGG19网络提取种子图的特征图；
步骤六、使用相同的损失函数公式分别计算样式损失Es、内容损失Ec和直方图损失Eh；在计算某一层的损失值前，如果该特征层的大小超过65*65,则将其随机采样为65*65的大小；
其中，损失函数的计算，输入为待优化图像和目标图像，计算时将图像视为一组特征的集合，通过特征之间的相似度来度量图像之间的相似度，忽略特征的空间位置，输出为图像之间的相似性度量；损失函数的计算方式如下：



将图x定义为其像素点的集合X＝{xi},图y定义为Y＝{yj}；N为集合X的大小，M为集合Y的大小；
用xi,yj的余弦距离来度量两个像素点之间的相关性；定义dij为xi,yj的余弦距离:






其中k≠j,ε固定为1e-5，防止除0；然后通过求幂将距离转变为相似性:



h值固定为0.1最后将特征点之间的上下文相似性表示为归...

【专利技术属性】
技术研发人员：吴昌明，姚敏，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海;31