[发明专利]在图像中添加浮世绘海浪倒影的方法和系统

权利要求书

1.一种在图像中添加浮世绘海浪倒影的方法，其特征在于，包括：

步骤1：基于卷积神经网络VGG-19模型，对图像样本进行训练，得到浮世绘海浪风格转换模型；

步骤2：使用浮世绘海浪风格转换模型处理原图，得到浮世绘海浪风格图像；

步骤3：对浮世绘海浪风格图像进行反转和渐变处理，得到海浪倒影图像；

步骤4：拼接原图和海浪倒影图像，得到最终的浮世绘海浪倒影图像。

2.根据权利要求1所述的在图像中添加浮世绘海浪倒影的方法，其特征在于，选择不同类型的浮世绘海浪风格主题并传入到浮世绘海浪风格转换模型中，对原图进行处理，得到不同类型的浮世绘海浪风格图。

3.根据权利要求1所述的在图像中添加浮世绘海浪倒影的方法，其特征在于，所述步骤2包括：通过高斯滤波对图像进行降噪，公式为：

其中，G(x,y)为二维高斯分布；σ为标准方差，值越大，高斯函数的峰越宽，临接的数值差越大；e为自然常数；x为x轴数值，y为y轴数值。

4.根据权利要求1所述的在图像中添加浮世绘海浪倒影的方法，其特征在于，使用图像处理矩阵对图像进行反转；

使用画板Canvas画出图像的渐变色图，包括文字和日期。

5.根据权利要求2所述的在图像中添加浮世绘海浪倒影的方法，其特征在于，把风格主题图片、待处理图像一起输入到VGG-19训练好的浮世绘海浪风格转换模型中，生成目标的损失函数是内容损失函数和风格损失函数的加权和，损失函数计算公式如下：

J(G)＝αJcontent(C,G)+βJstyle(S,G)

其中：C是输入图像；S是风格主题图像；G是生成图像；J是总损失；α是内容损失权重；β是风格损失权重；

采用梯度下降法，经预设次数迭代最小化损失函数，最后生成浮世绘海浪风格图像。

6.一种在图像中添加浮世绘海浪倒影的系统，其特征在于，包括：

模块M1：基于卷积神经网络VGG-19模型，对图像样本进行训练，得到浮世绘海浪风格转换模型；

模块M2：使用浮世绘海浪风格转换模型处理原图，得到浮世绘海浪风格图像；

模块M3：对浮世绘海浪风格图像进行反转和渐变处理，得到海浪倒影图像；

模块M4：拼接原图和海浪倒影图像，得到最终的浮世绘海浪倒影图像。

7.根据权利要求6所述的在图像中添加浮世绘海浪倒影的系统，其特征在于，选择不同类型的浮世绘海浪风格主题并传入到浮世绘海浪风格转换模型中，对原图进行处理，得到不同类型的浮世绘海浪风格图。

8.根据权利要求6所述的在图像中添加浮世绘海浪倒影的系统，其特征在于，所述模块M2包括：通过高斯滤波对图像进行降噪，公式为：

其中，G(x,y)为二维高斯分布；σ为标准方差，值越大，高斯函数的峰越宽，临接的数值差越大；e为自然常数；x为x轴数值，y为y轴数值。

9.根据权利要求6所述的在图像中添加浮世绘海浪倒影的系统，其特征在于，使用图像处理矩阵对图像进行反转；

使用画板Canvas画出图像的渐变色图，包括文字和日期。

10.根据权利要求7所述的在图像中添加浮世绘海浪倒影的系统，其特征在于，把风格主题图片、待处理图像一起输入到VGG-19训练好的浮世绘海浪风格转换模型中，生成目标的损失函数是内容损失函数和风格损失函数的加权和，损失函数计算公式如下：

J(G)＝αJcontent(C,G)+βJstyle(S,G)

其中：C是输入图像；S是风格主题图像；G是生成图像；J是总损失；α是内容损失权重；β是风格损失权重；

采用梯度下降法，经预设次数迭代最小化损失函数，最后生成浮世绘海浪风格图像。