一种神经图像风格迁移的方法和系统技术方案

本发明专利技术公开了一种神经图像风格迁移的方法，包括以下步骤：获取内容图像数据和风格图像数据；对内容图像数据和风格图像数据进行语义分析，并提取内容图像数据特征和风格图像数据特征；通过神经风格迁移法对内容图像数据特征和风格图像数据特征进行组合并生成输出图像数据；使用第一规则判断输出图像数据是否达标；当输出图像数据达标时，导出输出图像数据，并将输出图像数据传输到预设终端；本发明专利技术在进行神经风格迁移时，将内容图像中的对象和风格图像中的背景作出区别对待，给内容图像中的内容对象更高权重，这样更有助于保留内容图像中有意义的图像元素的内容，可以有效提升输出图像的质量

【技术实现步骤摘要】
一种神经图像风格迁移的方法和系统


[0001]本专利技术涉及图像处理领域，具体涉及一种神经图像风格迁移的方法
。

技术介绍

[0002]现有神经风格迁移的算法通过优化总损失函数，就是内容图像的损失和风格图像的损失的加权和，来得到满意的神经风格迁移之后的生成图像；这些方法都是把内容图像和风格图像作为一个整体看待，不关注内容图像的语义，也就是把内容图像中的对象和风格图像中的背景都赋予了同样的重要程度，而没有做区别对待，导致输出图片中有意义的图像元素内容保留程度低
。
[0003]为了进一步提升图片原始内容的保留程度，因此，提出一种神经图像风格迁移的方法
。

技术实现思路

[0004]本专利技术所要解决的技术问题在于：如何解决现有技术未将内容图像中的对象和风格图像中的背景做区别对待，导致输出图片中有意义的图像元素内容保留程度低的问题，提供了一种神经图像风格迁移的方法
。
[0005]本专利技术是通过以下技术方案解决上述技术问题的，本专利技术包括以下步骤：
[0006]S1、
获取内容图像数据和风格图像数据；
[0007]S2、
对内容图像数据和风格图像数据进行语义分析，并提取内容图像数据特征和风格图像数据特征；
[0008]S3、
通过神经风格迁移法对内容图像数据特征和风格图像数据特征进行组合并生成输出图像数据；
[0009]S4、
使用第一规则判断输出图像数据是否达标；
[0010]S5、
当输出图像数据达标时，导出输出图像数据，并将输出图像数据传输到预设终端
。
[0011]优选的，所述
S2
具体为：
[0012]先利用卷积神经网络对内容图像数据和风格图像数据进行语义分析；
[0013]再将内容图像数据分解成
P1、P2、
…
、Pn
和
Q
，其中
P1、P2、
…
、Pn
为提取到的内容对象数据，
Q
为背景图像数据；
[0014]最后根据内容对象数据和背景图像数据提取内容图像数据特征和风格图像数据特征
。
[0015]优选的，所述
S4
具体为：
[0016]先赋予内容图像数据和风格图像数据不同的权重，并要求内容图像数据权重和风格图像数据权重之和为1，且内容图像数据权重大于风格图像数据权重；
[0017]先根据第一规则计算输出图像的图像数据损失量，第一规则为：
[0018]L
total
(G)
＝
α1L
P1
(C,G)+
α2L
P2
(C,G)+
…
+
α
n
L
Pn
(C,G)+
α
q
L
Q
(C,G)+
β
L
style
(S,G)
[0019]其中，
Ltotal(G)
为损失函数，
α
为内容图像数据的权重，
β
为风格图像数据权重，
C
为内容图像数据，
S
为风格图像数据；
[0020]再判断输出图像数据是否达标，具体判断过程如下：
[0021]当
Ltotal(G)≤
预设阈值
Q
时，即表示输出图像数据达标；
[0022]当
Ltotal(G)
＞预设阈值
Q
时，即表示输出图像数据不达标
。
[0023]优选的，当
Ltotal(G)
＞预设阈值
Q
时，将内容图像数据和风格图像数据返至步骤
S2
中，增加内容图像数据的分解数量，再次重复
S2
～
S4
的步骤
。
[0024]一种神经图像风格迁移系统，包括：
[0025]图像获取模块，用于获取内容图像数据和风格图像数据；
[0026]图像分析模块，用于对内容图像数据和风格图像数据进行语义分析，并提取内容图像数据特征和风格图像数据特征；
[0027]图像处理模块，用于通过神经风格迁移法对内容图像数据特征和风格图像数据特征进行组合并生成输出图像数据；
[0028]图像检测模块，用于使用第一规则判断输出图像数据的达标程度；
[0029]图像输出模块，用于当输出图像数据达标时，导出输出图像数据，并将输出图像数据传输到预设终端
。
[0030]优选的，所述图像分析模块的具体处理过程为：
[0031]先利用卷积神经网络对内容图像数据和风格图像数据进行语义分析；
[0032]再将内容图像数据分解成
P1、P2、
…
、Pn
和
Q
，其中
P1、P2、
…
、Pn
为提取到的内容对象数据，
Q
为背景图像数据；
[0033]最后根据内容对象数据和背景图像数据提取内容图像数据特征和风格图像数据特征
。
[0034]优选的，所述图像检测模块的具体处理过程为：
[0035]先赋予内容图像数据和风格图像数据不同的权重，并要求内容图像数据权重和风格图像数据权重之和为1，且内容图像数据权重大于风格图像数据权重；
[0036]先根据第一规则计算输出图像的图像数据损失量，第一规则为：
[0037]L
total
(G)
＝
α1L
P1
(C,G)+
α2L
P2
(C,G)+
…
+
α
n
L
Pn
(C,G)+
α
q
L
Q
(C,G)+
β
L
style
(S,G)
[0038]其中，
Ltotal(G)
为损失函数，
α
为内容图像数据的权重，
β
为风格图像数据权重，
C
为内容图像数据，
S
为风格图像数据；
[0039]再判断输出图像数据是否达标程，具体判断过程如下：
[0040]当
Ltotal(G)≤
预设阈值
Q
时，即表示输出图像数据达标；
[0041]当
Ltotal(G)
＞预设阈值
Q
时，即表示输出图像数据不达标
。
[0042]优选的，当
Ltotal(G)
＞预设阈值
Q
时，将内容图像数据和风格图像数据返至本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种神经图像风格迁移的方法，其特征在于，包括以下步骤：
S1、
获取内容图像数据和风格图像数据；
S2、
对内容图像数据和风格图像数据进行语义分析，并提取内容图像数据特征和风格图像数据特征；
S3、
通过神经风格迁移法对内容图像数据特征和风格图像数据特征进行组合并生成输出图像数据；
S4、
使用第一规则判断输出图像数据是否达标；
S5、
当输出图像数据达标时，导出输出图像数据，并将输出图像数据传输到预设终端
。2.
根据权利要求1所述的一种神经图像风格迁移的方法，其特征在于：所述
S2
具体为：先利用卷积神经网络对内容图像数据和风格图像数据进行语义分析；再将内容图像数据分解成
P1、P2、
…
、Pn
和
Q
，其中
P1、P2、
…
、Pn
为提取到的内容对象数据，
Q
为背景图像数据；最后根据内容对象数据和背景图像数据提取内容图像数据特征和风格图像数据特征
。3.
根据权利要求2所述的一种神经图像风格迁移的方法，其特征在于：所述
S4
具体为：先赋予内容图像数据和风格图像数据不同的权重，并要求内容图像数据权重和风格图像数据权重之和为1，且内容图像数据权重大于风格图像数据权重；先根据第一规则计算输出图像的图像数据损失量，第一规则为：
L
total
(G)
＝
α1L
P1
(C,G)+
α2L
P2
(C,G)+
…
+
α
n
L
Pn
(C,G)+
α
q
L
Q
(C,G)+
β
L
style
(S,G)
其中，
Ltotal(G)
为损失函数，
α
为内容图像数据的权重，
β
为风格图像数据权重，
C
为内容图像数据，
S
为风格图像数据；再判断输出图像数据是否达标，具体判断过程如下：当
Ltotal(G)≤
预设阈值
Q
时，即表示输出图像数据达标；当
Ltotal(G)
＞预设阈值
Q
时，即表示输出图像数据不达标
。4.
根据权利要求3所述的一种神经图像风格迁移的方法，其特征在于：当
Ltotal(G)
＞预设阈值
Q
时，将内容图像数据和风格图像数据返至步骤
S2
中，增加内容图像数据的分解数量，再次重复
S2
～...

【专利技术属性】
技术研发人员：屠翔，郭凤威，潘紫良，胡卓雄，胡颖卓，
申请(专利权)人：视伴科技北京有限公司，
类型：发明
国别省市：