[发明专利]基于深度学习的多功能图像风格迁移方法

权利要求书

1.一种基于深度学习的多功能图像风格迁移方法，其特征在于，主要包括以下步骤：

步骤1，将图像进行语义分割；

步骤2，对语义分割后的图像进行小波特征提取，并将小波变换的高频部分作为图像特征的初步提取结果，对部分图像的小波特征提取结果出现部分特征丢失的，进行特征修复；

特征修复过程为：将原始输入图像作为输入，小波变换的高频部分作为参考风格图像，以及原始输入图像和小波变化后的高频部分的语义分割进行风格迁移；

步骤3，设计损失函数，基于深度神经网络对步骤2的图像进行风格迁移编辑；

其中，损失函数包括内容损失函数、基于图像特征提取的损失函数、风格损失函数和输入正则化，基于图像特征提取的损失函数和风格损失函数采用Gram矩阵；

所述基于图像特征提取的损失函数

其中，若N为总的卷积层数，表示第个卷积层，HFM是指输入图像的特征提取结果中是第层c通道的特征矩阵，是与对应的Gram矩阵，是第层的语义分割区域的通道c，是特征提取的语义分割的第th通道的权值。

2.根据权利要求1所述的基于深度学习的多功能图像风格迁移方法，其特征在于：采用DeepLab语义分割算法进行图像的语义分割，并按图像的类别合并简化分类结果。

3.根据权利要求1所述的基于深度学习的多功能图像风格迁移方法，其特征在于：图像特征采用小波特征提取。

4.根据权利要求1所述的基于深度学习的多功能图像风格迁移方法，其特征在于：内容损失函数如下：

其中是与对应的Gram矩阵，是第层的语义分割区域的通道c，是语义分割的第th通道的权值，表示第层第th通道的滤波器总数，I指输入图像；

风格损失函数如下：

其中S是指参考风格图像。

5.根据权利要求1所述的基于深度学习的多功能图像风格迁移方法，其特征在于：采用VGG19进行特征提取及风格迁移。