基于深度学习的图像风格艺术化
发布时间：2021-02-18 16:31
随着智能手机的普及和人们对艺术之美的追求,图像艺术化相关的应用盛极一时,除了在手机应用中实现图像艺术化以外,在游戏渲染、动画制作、广告设计、电影制作等领域也有着大量的应用。因为图像艺术化后的非真实感图像具有很强的视觉感染力和文化内涵,所以具有研发的重要意义。基于深度学习的图像风格艺术化算法使得计算机能够模拟人类的创作形式,这种智能化算法能够快速地生成多种艺术风格的图像。通过对于当前已有的基于深度学习的图像风格艺术化算法的实现,发现存在着一些问题,本文对发现的问题提出了相应的解决方案。这些问题为:当将风格图像的风格传输到一幅内容图像上时,在传输风格的同时,也传输了风格图像中的色彩,致使丢失了原内容图像的色彩;当将风格传输至人像上时,人脸的风格化使得人脸辨别不清;只有单一风格的图像风格化算法。针对这些问题,本文做了相关研究,最终实现比较全面的图像风格艺术化算法,具体实现功能和解决方案如下:（1）实现了通过调节内容损失函数和风格函数的权重而得到不同程度风格化的图像,可以依据需要生成相应程度的风格化图像。（2）解决了传输风格同时传输颜色的问题,本文算法使得在传输风格的同时,也可以选择保留或是不...
【文章来源】：西安理工大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
深度神经网络Fig.1-1Deepneuralnetworks[2][3]
这种映射又可以分为纹理映射或是颜色直方图映射。基于图像滤波技术包括各向异性滤波保留边缘的方法、形态学滤波、双边滤波等。图1-2 图像艺术化发展史Fig.1-2 The history of stylized art由 Hertzmann[14]于 1998 年提出的基于画笔的油画风格化算法，主要是提取输入图像的多层金字塔参考序列，结合 Sobel 算子得到边缘，一层一层逐步绘制。如图 1-3 所示，通过在
也提出了一种基于画笔的油画风格生成算法，但她在之上的算法中引入了源图像和目标图像的低频统计特性进行约束。图1-3 笔刷渲染技术Fig.1-3 Brush strokes technique如图1-4所示，DeCarlo和Santella[16]则是第一个将区域分割应用到图像风格艺术化的，使用下采样的方法逐级分层表达,再用 canny 算子细化边缘，最终根据区块填充相应的颜色和纹理。卢少平和张松海[17]对金字塔参考序列图像的方法加以改善，结合了双边滤波和形态学操作得到多层参考图像，并用重要性区域加以约束，该方法则是基于区域的风格渲染。同样，在快速纹理传输算法[18]中，也是要先输入原图像和目标图像，从而建立起纹理迁移的映射关系。图1-4 区域分割技术Fig.1-4 Domain decomposition techniqueAshikhmin[19]提出了一种基于 WL(Wei and Levoy)的纹理结合方法。在 Wei and Levoy[20]的算法中
【参考文献】：
期刊论文
[1]不同池化模型的卷积神经网络学习性能研究[J]. 刘万军,梁雪剑,曲海成. 中国图象图形学报. 2016(09)
[2]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[3]基于图像的非真实感艺术绘制技术综述[J]. 钱小燕. 工程图学学报. 2010(01)
[4]一种流体艺术风格的自适应LIC绘制方法[J]. 钱小燕,肖亮,吴慧中. 计算机研究与发展. 2007(09)
硕士论文
[1]基于深度学习的图像与视频风格化研究与实现[D]. 操江峰.中国科学院大学(中国科学院工程管理与信息技术学院) 2017
[2]基于光流机制的运动目标检测[D]. 石雪杰.中国科学技术大学 2010
本文编号：3039804
【文章来源】：西安理工大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
深度神经网络Fig.1-1Deepneuralnetworks[2][3]
这种映射又可以分为纹理映射或是颜色直方图映射。基于图像滤波技术包括各向异性滤波保留边缘的方法、形态学滤波、双边滤波等。图1-2 图像艺术化发展史Fig.1-2 The history of stylized art由 Hertzmann[14]于 1998 年提出的基于画笔的油画风格化算法，主要是提取输入图像的多层金字塔参考序列，结合 Sobel 算子得到边缘，一层一层逐步绘制。如图 1-3 所示，通过在
也提出了一种基于画笔的油画风格生成算法，但她在之上的算法中引入了源图像和目标图像的低频统计特性进行约束。图1-3 笔刷渲染技术Fig.1-3 Brush strokes technique如图1-4所示，DeCarlo和Santella[16]则是第一个将区域分割应用到图像风格艺术化的，使用下采样的方法逐级分层表达,再用 canny 算子细化边缘，最终根据区块填充相应的颜色和纹理。卢少平和张松海[17]对金字塔参考序列图像的方法加以改善，结合了双边滤波和形态学操作得到多层参考图像，并用重要性区域加以约束，该方法则是基于区域的风格渲染。同样，在快速纹理传输算法[18]中，也是要先输入原图像和目标图像，从而建立起纹理迁移的映射关系。图1-4 区域分割技术Fig.1-4 Domain decomposition techniqueAshikhmin[19]提出了一种基于 WL(Wei and Levoy)的纹理结合方法。在 Wei and Levoy[20]的算法中
【参考文献】：
期刊论文
[1]不同池化模型的卷积神经网络学习性能研究[J]. 刘万军,梁雪剑,曲海成. 中国图象图形学报. 2016(09)
[2]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正. 计算机应用研究. 2012(08)
[3]基于图像的非真实感艺术绘制技术综述[J]. 钱小燕. 工程图学学报. 2010(01)
[4]一种流体艺术风格的自适应LIC绘制方法[J]. 钱小燕,肖亮,吴慧中. 计算机研究与发展. 2007(09)
硕士论文
[1]基于深度学习的图像与视频风格化研究与实现[D]. 操江峰.中国科学院大学(中国科学院工程管理与信息技术学院) 2017
[2]基于光流机制的运动目标检测[D]. 石雪杰.中国科学技术大学 2010
本文编号：3039804
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3039804.html
