[发明专利]基于风格迁移的时装风格图像迁移方法

说明书

本发明涉及机器视觉技术领域，其公开了一种基于风格迁移的时装风格图像迁移方法，包括使用者将A内容图像和B风格图像分别上传到软件，并选择要用VGG16神经网络的特征值的层数(选择较低的层数对于图像内容的提取效果较好，对于设计师的风格特征的提取效果较差，选择较高的层数对于设计师的风格特征的提取效果较好，对于图像内容的提取效果较差)。该基于风格迁移的时装风格图像迁移方法，运用了VGG16这种成熟的规模较小的网络，能够避免设备性能不足导致的运算速度较慢和发热，使用者可以根据自身的需求选择VGG16网络的层数，从而灵活选择风格特征提取较多还是图像内容提取较多，对于商业活动更加泛用。

技术领域

本发明涉及机器视觉技术领域，具体为基于风格迁移的时装风格图像迁移方法。

背景技术

时装，指款式新颖而富有时代感的服装。时间性强，每隔一定时期流行一种款式。采用新的面料、辅料和工艺，对织物的结构、质地、色彩、花型等要求也较高。讲究装饰、配套。在款式、造型、色彩、纹样、缀饰等方面不断变化创新、标新立异，在人们日益增长的物质需求以及现代的各种风格时装的更迭下，人们对于时装的要求日益增多，而我们更需要对于不同的时装风格拓展到不同的衣服上，然后根据生成的照片来决定到底如何设计下一季度的服装或是否要继续沿用这一风格，有效得降低了设计师在设计过程中花费的脑力劳动以及体力劳动，极大提升了生产效率。

目前基于风格迁移的时装风格图像迁移方法较为复杂，其设备性能容易出现运算较慢和发热的现象，而且其使用者无法根据自身需求选择网络层数。

发明内容

本发明的目的在于提供基于风格迁移的时装风格图像迁移方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：基于风格迁移的时装风格图像迁移方法，包括以下步骤：

S1、使用者将A内容图像和B风格图像分别上传到软件，并选择要用VGG16神经网络的特征值的层数(选择较低的层数对于图像内容的提取效果较好，对于设计师的风格特征的提取效果较差，选择较高的层数对于设计师的风格特征的提取效果较好，对于图像内容的提取效果较差)。

S2、随机初始化一张白噪声图像，设图像为(250x250x3)。

S3、将A内容图像使用以canny边缘检测算法为基础的边缘检测技术，将内容图像划分为主要部分和不主要部分，将不主要部分置为全，将其得到的图像保存为A图像。

S4、分别将初始图象，A图像，B图像都分别喂入VGG16网络中特征矩阵，VGG16网络由卷积层()，relu层，最大值池化层()以及全连接层()组成，在VGG16网络中的卷积层和最大值池化层数来提取设计师的时装风格，将时装风格在全连接层种输出后，将其送入风格迁移网络中。

S5、检测中在检测后进行选择适合的层数，因为VGG16有16层神经网络，选择中间偏前的层数的矩阵更能提取A内容图像的内容信息，而选择偏后的层数的矩阵更能提取B内容图像的风格信息。

其中α和β是可以进行调参的参数，如果提升α或者降低β，则是提升内容图像的权重，如果提升β或者α，就是提升风格图像的内容。

S6、计算内容损失函数：内容损失函数代表着生成图像和内容图像之间的内容相似度，具体来说就是计算在步骤4种选中的层数的卷积层的内容图像所得特征值和生成图像所得特征值的差值，a[l]表示卷积神经网络中的层数，a[l][C]表示内容图像在VGG16网络中的l层的特征值，a[l][G]表示生成图像在VGG16网络中l层的特征值。