[发明专利]图像风格迁移方法及装置

说明书

本申请实施例提供一种图像风格迁移方法及装置，可用于人工智能，方法包括：对待迁移图像进行图像拆分，得到对应的风格图像和内容图像；通过图像风格迁移模型的编码器对所述风格图像和所述内容图像进行特征提取，确定所述待迁移图像的图像特征；将所述待迁移图像的图像特征输入图像风格迁移模型的生成器中进行反卷积处理，输出得到的迁移图像；本申请能够灵活、准确得改变图像的图像风格。

技术领域

本申请涉及人工智能领域，也可用于金融领域，具体涉及一种图像风格迁移方法及装置。

背景技术

图像风格迁移是要对图像的纹理、色彩、内容等进行定向的改变，使得图像由一种风格变化为另外一种风格；例如将人的照片进行风格迁移，得到具有油画风格的图像，或将光线较昏暗条件下拍摄得到的风景照片进行风格迁移，得到在光线较明亮条件下的图像等。

发明人发现，现有技术中通常通过为图像增加对应处理效果的滤镜实现图像的风格迁移，但是通过滤镜的形式仅是在图像上增加一个层而并没有对图像的像素进行修改，也就是图像本身并没有真正的做到风格迁移，并且由于滤镜的种类有限，对于滤镜对应风格之外的风格无法进行风格迁移。

发明内容

针对现有技术中的问题，本申请提供一种图像风格迁移方法及装置，能够灵活、准确得改变图像的图像风格。

为了解决上述问题中的至少一个，本申请提供以下技术方案：

第一方面，本申请提供一种图像风格迁移方法，包括：

对待迁移图像进行图像拆分，得到对应的风格图像和内容图像；

通过图像风格迁移模型的编码器对所述风格图像和所述内容图像进行特征提取，确定所述待迁移图像的图像特征；

将所述待迁移图像的图像特征输入图像风格迁移模型的生成器中进行反卷积处理，输出得到的迁移图像。

进一步地，所述图像风格迁移模型由以下步骤训练得到，包括：

将预先获取的风格参考图像集和内容参考图像集输入一初始卷积神经网络模型，并分别提取所述风格参考图像集和所述内容参考图像集的特征向量集合；

根据提取到的风格参考图像特征向量集合和内容参考图像特征向量集合分别对所述风格参考图像集和所述内容参考图像集进行还原重建，得到所述风格参考图像集和所述内容参考图像集的迁移图像；

根据所述风格参考图像集和所述内容参考图像集的迁移图像，确定所述风格参考图像集和所述内容参考图像集与所述迁移图像之间的色调损失数值和线条损失数值；

根据所述色调损失数值和线条损失数值对所述初始卷积神经网络模型进行迭代训练，直至所述色调损失数值和线条损失数值低于预设阈值后，得到训练完成的图像风格迁移模型。

进一步地，所述通过图像风格迁移模型的编码器对所述风格图像和所述内容图像进行特征提取，确定所述待迁移图像的图像特征，包括：

根据图像风格迁移模型的编码器对待迁移图像的风格图像和内容图像进行特征提取，得到所述风格图像的色调特征和所述内容图像的线条特征；

根据所述风格图像的色调特征、所述内容图像的线条特征以及所述风格图像和所述内容图像合并后的合并图特征确定所述待迁移图像的图像特征。

进一步地，所述风格图像和所述内容图像合并后的合并图特征由以下步骤得到，包括：

根据所述风格图像和所述内容图像在同一目标区域的像素和合并权重系数确定所述风格图像和所述内容图像合并后的合并图特征。

进一步地，所述合并权重系数由以下步骤得到，包括：

根据所述风格图像和所述内容图像合并后在该目标区域的重叠像素和所述重叠像素的当前像素值，确定合并权重系数。