[发明专利]一种图像风格迁移模型生成方法及移动终端

说明书

本发明实施例提供了一种图像风格迁移模型生成方法及移动终端，其中，所述方法包括：构建风格训练数据对；搭建结构顺序依次为输入层、前置层、至少一个残差特征构建层、后置层以及输出层的神经网络；基于训练原图和风格图的均方差损失和深度感知特征的均方差损失，构建损失函数；按照所述风格训练数据对和所述损失函数，对所述神经网络进行训练，生成图像风格迁移模型。通过本发明实施例提供的图像风格迁移模型生成方法所生成的图像风格迁移模型，将待处理图像输入图像风格迁移模型中即可快速得到风格迁移后的高保真图像，无需执行繁琐的迭代操作，耗时短处理器工作负荷轻，且能够避免所得风格迁移图像空间扭曲。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种图像风格迁移模型生成方法及移动终端。

背景技术

图像风格迁移的研究由来已久，将参考风格图像的风格转换到另一个图像中。现有技术中主要通过基于神经网络的风格迁移算法对图像风格进行迁移，该算法虽然可以学习到图像的整体色彩变换以及结构性元素，但是对于像素细节的学习能力差，导致风格迁移后所生成的风格迁移图像模糊，并且所生成的风格迁移图像会存在直线弯曲，纹理扭曲等空间扭曲的问题。

为解决上述图像空间扭曲的问题，本领域技术人员提供了一种去除图像空间扭曲的方法，该方法将变换操作只作用在色彩空间上。该种方法虽然可以抑制图像空间扭曲的问题，但该种方法需要执行繁琐的迭代运算，耗时长且处理器工作负荷重。

发明内容

本发明实施例提供一种图像风格迁移模型生成方法，以解决现有技术中在进行图像风格迁移时耗时长且处理器工作负荷重的问题。

为了解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种图像风格迁移模型生成方法，其中，所述方法包括：构建风格训练数据对，其中，每个数据对包含一个训练原图和一个风格图；搭建结构顺序依次为输入层、前置层、至少两个残差特征构建层、后置层以及输出层的神经网络；基于训练原图和风格图的均方差损失和深度感知特征的均方差损失，构建损失函数；按照所述风格训练数据对和所述构建损失函数，对所述神经网络进行训练，生成图像风格迁移模型。

第二方面，本发明实施例提供了一种移动终端，其中，所述移动终端包括：构建模块，用于构建风格训练数据对，其中，每个数据对包含一个训练原图和一个风格图；搭建模块，用于搭建结构顺序依次为输入层、前置层、至少两个残差特征构建层、后置层以及输出层的神经网络；损失函数构建模块，用于基于训练原图和风格图的均方差损失和深度感知特征的均方差损失，构建损失函数；训练模块，用于按照所述风格训练数据对和所述构建损失函数，对所述神经网络进行训练，生成图像风格迁移模型。

第三方面，本发明实施例提供了一种移动终端，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现本发明实施例中所述的任一种图像风格迁移模型生成方法的步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现本发明实施例中所述的任一种图像风格迁移模型生成方法的步骤。

在本发明实施例中，通过将神经网络搭建成输入层、前置层、至少一个残差特征构建层、后置层以及输出层的结构，基于训练原图图和风格图的均方差损失和深度感知特征的均方差损失构建损失函数，将训练原图和风格图构成风格训练数据对，基于构建的风格训练数据对、损失函数对神经网络进行训练，生成图像风格迁移模型，所生成的图像风格迁移模型在对待处理图像进行风格迁移处理时，仅需将待处理图像输入图像风格迁移模型中即可快速得到风格迁移后的高保真图像，无需执行繁琐的迭代操作，耗时短处理器工作负荷轻，且能够避免所得风格迁移图像空间扭曲。