【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于笔触和轮廓约束的艺术绘画图像风格迁移方法。
技术介绍
1、图像风格迁移是一种在深度学习中使用特定算法来分离图像内容和风格的技术。图像风格迁移技术被广泛应用于影视特效、艺术创作等领域，是近年来图像处理领域的一个研究热点。其目的是结合内容图像和风格图像输出一个新的图像，使其在内容上与内容图像相似，在风格上与风格图像相似。
2、cyclegan同样作为gan类的经典图像风格迁移算法，使用两个镜像对称的gan，使图片关键信息得以保留，无需配对数据即可进行训练，但其生成的迁移图像未能达到较为理想的效果。cyclegan在进行风格迁移过程中，存在图像的内容特征提取不够彻底，在色彩对比不强烈的艺术绘画上会导致生成的图像风格不明显的问题，其中的笔触和轮廓达不到更精确的迁移。由于图像风格迁移模型考虑到绘画中的笔触和轮廓的较少，然而画面中的笔触和轮廓，都是影响画作风格的特点。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于笔触和轮廓约束的艺术...
【技术保护点】
1.一种基于笔触和轮廓约束的艺术绘画图像风格迁移方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的艺术绘画图像风格迁移方法，其特征在于，在步骤S2中，循环生成对抗网络模型的构建方法包括以下步骤：
3.根据权利要求2所述的艺术绘画图像风格迁移方法，其特征在于，在步骤S21中，具体为在编码器和转换器之间加入增强循环生成对抗网络模型的特征表达能力的多头注意力机制，用于捕捉特征图在全局范围内的依赖关系，将分布在不同位置的语义信息整合在一起。
4.根据权利要求3所述的艺术绘画图像风格迁移方法，其特征在于，所述多头注意力机制由多个...
【技术特征摘要】
1.一种基于笔触和轮廓约束的艺术绘画图像风格迁移方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的艺术绘画图像风格迁移方法，其特征在于，在步骤s2中，循环生成对抗网络模型的构建方法包括以下步骤：
3.根据权利要求2所述的艺术绘画图像风格迁移方法，其特征在于，在步骤s21中，具体为在编码器和转换器之间加入增强循环生成对抗网络模型的特征表达能力的多头注意力机制，用于捕捉特征图在全局范围内的依赖关系，将分布在不同位置的语义信息整合在一起。
4.根据权利要求3所述的艺术绘画图像风格迁移方法，其特征在于，所述多头注意力机制由多个注意力模块组成，可以并行学习查询、键、值不同的子空间表示。
5.根据权利要求3或4所述的艺术绘画图像风格迁移方法，其特征在于，多头注意力机制的计算公式为：
6.根据权利要求2所述的艺术绘画图像风格...
【专利技术属性】
技术研发人员：胡学友，施晓，黄迎辉，杨然，祝方舟，徐鸿盛，
申请(专利权)人：合肥大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。