基于图像风格迁移的中华文化元素艺术化生成方法研究

发布时间：2022-08-13 08:46

　　中国传统文化具有悠久的历史、独特的魅力及深厚的群众基础,戏曲、书法、绘画等都是表现和传承中华优秀传统文化的重要载体。戏曲服饰图案数字化及新风格生成具有重要的意义,然而现存的数字化技术形式单调,人工设计难度大且效率低,本文基于卷积神经网络,将传统文化与数字技术相融合,对传统服饰的样式进行创新。大多数已有的风格迁移算法都是基于西方油画作品风格进行迁移,纹理过度抽象不适合戏曲等中华文化元素的表现形式,可迁移的风格特征单一,且逐帧生成视频艺术化输出产生的抖动影响输出效果。本文进一步改进了相关网络结构及损失函数,主要工作如下:提出通过调节内容损失函数和风格损失函数得到不同程度风格化的图像,并针对卷积网络框架的选择及对应特征层的选取方面进行优化。首次将风格迁移与传统服饰图像相结合,为更好展示其艺术化效果,在原有损失函数的基础上加入了新的损失函数,和Prisma的对比实验结果对比表明,本文处理后的图像更加平滑,解决了线条扭曲的过度抽象化现象。解决了单一风格传输的问题,实现了多种风格的艺术化迁移,设计新的损失函数获得一个新的风格特征以丰富传统文化的表现形式,改变不同风格的权重系数可以使最终的迁移风格趋... 

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 引言
    1.2 课题研究背景与意义
        1.2.1 传统风格迁移方法的缺陷
        1.2.2 基于深度学习的风格迁移方法
    1.3 国内外研究现状
        1.3.1 基于在线图像优化的传统风格迁移
        1.3.2 基于离线模型的快速图像风格迁移
    1.4 主要研究内容
2 深度学习相关技术介绍
    2.1 深度学习的基本思想
        2.1.1 人脑视觉感知机制与MP模型
        2.1.2 感知机与反向传播
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 激活函数
        2.2.3 感受野与池化层
    2.3 VGGNet
    2.4 本章小结
3 基于卷积神经网络的传统服饰图像风格迁移
    3.1 风格迁移算法的基本思想
    3.2 基于在线图像优化的传统风格迁移
        3.2.1 激活函数的选择
        3.2.2 特征风格的生成
    3.3 基于离线模型优化的快速风格迁移
        3.3.1 批量标准化、实例标准化和条件特征实例归一化
    3.4 中国传统文化元素风格迁移艺术化生成
        3.4.1 梯度下降算法的实现
        3.4.2 实验结果与分析
    3.5 多风格迁移
4 视频风格迁移的改进
    4.1 视频风格迁移相关研究
    4.2 快速视频风格迁移
5 系统实现
    5.1 开发运行环境
    5.2 系统界面设计与实现
    5.3 本章小结
6 总结与展望
    6.1 全文总结
    6.2 展望
致谢
参考文献
攻读学位期间主要研究成果


【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)

硕士论文
[1]基于深度学习的图像风格艺术化[D]. 乔丽莎.西安理工大学 2018
[2]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



本文编号：3676712