[发明专利]一种基于卷积神经网络的图像风格转移方法

权利要求书

1.一种基于卷积神经网络的图像风格转移方法，包括以下步骤：

步骤1、选定一个卷积神经网络Φ、一张目标内容图像以及一张目标风格图像选定卷积神经网络Φ中至少一层(标记为i)为内容约束层，选定卷积神经网络Φ中至少一层(标记为j)为风格约束层，设置阈值ε、最高迭代次数th；

步骤2、计算目标内容图像X^C在卷积神经网络Φ内容约束层中的滤波响应为建立目标内容图像在卷积神经网络第i层的内容表示为Φ(X^C)ⁱ；

步骤3、计算目标风格图像X^S在卷积神经网络Φ中风格约束层的滤波响应为建立目标风格图像在卷积神经网络Φ第j层的风格表示为其中

步骤4、选定新图像X^*，初始化为高斯白噪声；

步骤5、采用步骤2和步骤3相同的方法计算新图像X^*在选定的卷积神经网络Φ中内容约束层i的内容表示Φ(X^*)ⁱ和风格约束层j的风格表示γ(Φ(X^*)^j)；

步骤6、计算新图像X^*和目标内容图像X^C在卷积神经网络Φ在内容约束层i的内容特征的损失函数并求解其关于新图像X^*在该层的滤波响应的梯度

步骤7、计算新图像X^*和目标风格图像X^S在卷积神经网络Φ在风格约束层j的风格特征的损失函数，并求解其关于新图像X^*在该层的滤波响应的梯度为

步骤8、将步骤6和步骤7中的梯度在卷积神经网络Φ中进行反向传播到输入层，更新图像X^*；

步骤9、若第t次后更新的图像满足或t≥th，此时收敛的图像X^*是融合了目标内容图像X^C的内容和目标风格图像X^S风格的图像；否则，重复步骤5-8继续迭代更新图像X^*直到收敛。

2.如权利要求1所述基于卷积神经网络的图像风格转移方法，其特征在于：

所述步骤1中，内容约束层选择低层用来保持目标内容图像的低级语义信息；风格约束层在低层、中层和高层中都选择至少一层用以学习目标风格图像的多层次风格信息。