一种将风景照片转换为中国山水画的风格迁移方法技术

本发明专利技术提供了一种将风景照片转化为中国山水画的风格迁移方法，该方法采用基于CycleGAN的图像风格迁移框架，针对迁移过程中存在的伪影和光斑的情况，采用带有反射填充层的RRDB模块；采用光谱归一化的U

【技术实现步骤摘要】
一种将风景照片转换为中国山水画的风格迁移方法


[0001]本专利技术属于计算机视觉
，涉及风格迁移，具体涉及一种将风景照片转换为中国山水画的风格迁移方法。

技术介绍

[0002]近年来随着人工智能领域的发展，深度学习让不同图像间风格的转移成为可能。但目前对于画作风格迁移的研究主要集中在西方油画方面，对于中国传统画作的研究少之又少。中国画是中国人情思中最为厚重的沉淀，其中中国画又以山水画为主，是中国宝贵的传统文化和中国艺术的绝巅体现。传统的中国画与现代风格迁移技术融合是对中国传统文化的传承和发展。
[0003]生成对抗网络(GAN)由Goodfellow等人提出，是实现图像风格迁移的有效方法，具有更为强大的拟合能力，可以生成更高质量的图像成果，并逐渐成为图像风格迁移的主流方法。GAN功能强大，有许多实际应用，如从文本生成图像，将图像从一种风格转换为另一种风格等。已经出现了许多广泛流行的基于GAN的架构，例如NICEGAN、U
‑
GAT
‑
IT、DualGAN等。
[0004]虽然这些方法可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种将风景照片转换为中国山水画的风格迁移方法，其特征在于，包括：在CycleGAN模型的基础上，判别器为添加光谱归一化的U
‑
Net网络，生成器为添加反射填充层和RRDB模块的VGG网络，总损失函数上添加L
MS
‑
SSIM
损失函数的网络模型。2.根据权利要求1所述的将风景照片转换为中国山水画的风格迁移方法，其特征在于，具体包括：采用未进行配对的风景照片和山水画组成的图像数据集SCAPE，从头开始训练判别器和生成器；训练开始的一百个周期内固定学习率不发生变化，后一百个周期让学习率按照线性衰减的方式逐步减小到零；对生成器的训练里引入了除了生成对抗损失函数、循环一致性损失函数和身份映射损失函数外的L
MS
‑
SSIM
损失函数。3.根据权利要求2所述的将风景照片转换为中国山水画的风格迁移方法，其特征在于，所述的对抗损失函数为：对于映射函数G和它的判别器D
Y
，有如下表达式：其中，G试图生成与域Y的图像相似的图像G(x)，而D
Y
的目的是区分翻译样本G(x)和真实样本y；表示y属于真实图片的概率密度分布函数，表示x符合某一概率密度的分布函数；同理，对于映射函数F和它的生成器G，表达式为L
GAN
(F,D
X
,Y,X)。4.根据权利要求2或3所述的将风景照片转换为中国山水画的风格迁移方法，其特征在于，所述的循环一致性损失函数表示为：||G(F(y))
‑
y||1表示对G(F(y))
‑
y求L1范数，也就是对向量中的各个元素的绝对值求和。5.根据权利要求2或3所述的将风景照片转换为中国山水画的风格迁移方法，其特征在于，所述的身份映射损失函数表示为：6.根据权利要求2或3所述的将风景照片转换为中国山水画的风格迁移方法，其特征在于，所述的L
MS
‑
SSIM
损失函数为：权重α。7.根据权利要求1、2或3所述的将风景...

【专利技术属性】
技术研发人员：胡琦瑶，谢鹏林，彭先霖，赵万青，袁建辉，彭盛霖，彭进业，范建平，
申请(专利权)人：西北大学，
类型：发明
国别省市：