深度卷积神经网络下的图像风格迁移算法

摘要：

针对图像风格迁移中出现的图像扭曲、内容细节丢失的问题,提出一种基于深度卷积神经网络的带有语义分割的图像风格迁移算法.定义内容图像损失和风格图像损失函数;对内容图像与风格图像分别进行语义分割,并将Matting算法作用在内容图像上,使用最小二乘惩罚函数来增强图片边缘真实性;进行图像的内容重建和风格重建生成新的图像.分析比较Neural Style改进方法、CNNMRF方法和带有语义分割的图像风格迁移方法生成的图像.实验结果和质量评估表明,70％带有语义分割的图像风格迁移方法生成的图像没有明显的图像扭曲,且内容细节完好.所以,该方法可以解决图像扭曲和细节丢失的问题,使内容丰富的图像可以得到精确的风格迁移.

关键词：深度卷积神经网络、图像风格迁移、语义分割、Matting算法

所属期刊栏目：56

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重点基础研究发展规划973;国家自然科学基金

在线出版日期：2020-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：176-183