[发明专利]图像生成方法、装置、存储介质及终端设备

权利要求书

1.一种图像生成方法，应用于终端设备，其特征在于，所述方法包括步骤：

获取预设图像和预设风格，并获取所述预设图像内的特征信息；

获取内容分析模型，根据所述内容分析模型和所述预设风格对所述特征信息进行分析得到处理策略；

根据所述处理策略对所述特征信息进行处理得到多个参考特征；

将对应不同所述特征信息的所述参考特征随机结合，并与所述预设图像合成，得到多个待选图像；

根据图像结构选择模型对所述多个待选图像进行处理，得到符合预设结构布局的目标图像；

其中，所述获取内容分析模型，根据所述内容分析模型和所述预设风格对所述特征信息进行分析得到处理策略的步骤，包括：

所述内容分析模型包括风格策略库，所述风格策略库包括知识库和策略库；

所述知识库包括多个图画、以及对应所述图画的描述信息，每一所述图画的描述信息包括参考特征信息和风格信息；

所述策略库包括对应每一图画的图像风格转换策略和/或人脸部分的转换策略；

将所述特征信息和所述预设风格，与所述知识库中图画的参考特征信息和风格信息进行比对，若两者都比对符合，则获取所述图画的参考特征信息、以及对应所述图画的图像风格转换策略和/或人脸部分的转换策略。

2.根据权利要求1所述的图像生成方法，其特征在于，所述获取所述预设图像内的特征信息的步骤，包括将所述预设图像经过场景识别深度学习网络得到场景特征、将所述预设图像经过物体识别深度学习网络得到物体特征、将所述预设图像经过人脸识别得到人脸特征中的至少一项。

3.根据权利要求1所述的图像生成方法，其特征在于，所述根据图像结构选择模型对所述多个待选图像进行筛选，得到符合预设结构布局的目标图像的步骤，包括：

所述图像结构选择模型包括第一深度神经网络；

将多个待选图像输入第一深度神经网络中，得到符合预设结构布局的目标图像。

4.根据权利要求1所述的图像生成方法，其特征在于，所述根据图像结构选择模型对所述多个待选图像进行筛选，得到符合预设结构布局的目标图像的步骤，包括：

所述图像结构选择模型包括第一深度神经网络和第二深度神经网络；

将多个待选图像输入第一深度神经网络中，得到符合预设结构布局的待选图像，

将符合预设结构布局的所述待选图像输入第二深度神经网络中调整，得到各目标特征风格统一的目标图像。

5.一种图像生成装置，应用于终端设备，其特征在于，所述装置包括：

第一获取单元，用于获取预设图像和预设风格，并获取所述预设图像内的特征信息；

第二获取单元，用于获取内容分析模型，根据所述内容分析模型和所述预设风格对所述特征信息进行分析得到处理策略；

第一处理单元，用于根据所述处理策略对所述特征信息进行处理得到多个参考特征；

合成单元，用于将对应不同所述特征信息的所述参考特征随机结合，并与所述预设图像合成，得到多个待选图像；

第二处理单元，用于根据图像结构选择模型对所述多个待选图像进行处理，得到符合预设结构布局的目标图像；

其中，所述内容分析模型包括风格策略库，所述风格策略库包括知识库和策略库；所述知识库包括多个图画、以及对应所述图画的描述信息，每一所述图画的描述信息包括参考特征信息和风格信息；所述策略库包括对应每一图画的图像风格转换策略和/或人脸部分的转换策略；

所述第二获取单元具体用于：

将所述特征信息和所述预设风格，与所述知识库中图画的参考特征信息和风格信息进行比对，若两者都比对符合，则获取所述图画的参考特征信息、以及对应所述图画的图像风格转换策略和/或人脸部分的转换策略。

6.根据权利要求5所述的图像生成装置，其特征在于，所述第一获取单元具体用于：

包括将所述预设图像经过场景识别深度学习网络得到场景特征、将所述预设图像经过物体识别深度学习网络得到物体特征、将所述预设图像经过人脸识别得到人脸特征中的至少一项。