苗序娟，余浩，王露，郭瑞佳，杨天辉，牛本杰

（天津商业大学信息工程学院计算机系，天津300134）

早期的图像风格迁移技术算法适用风格范围窄，一个算法往往只能针对于一种图像纹理类型，而且迁移转换结果不理想，但随着近些年人工智能和深度学随习的兴起，赋予图像风格迁移技术新的生命力。基于深度学习的图像风格迁移技术的快速发展，使得该技术被广泛的应用于图片影像加工美化，最常见的就是根据真人照片生成卡通头像，深度神经网络特有的“学习”能力让图像风格迁移技术算法实现一个算法对应多个类型图像风格，迁移转换结果也能与原图像样本达到高度吻合，这使得图像风格迁移技术应用范围更加宽广，使用更加便捷高效。通过对图像风格迁移技术发展历程，以及卷积神经网络和对抗式生成神经网络的研究分析，了解并总结两种神经网络各自优缺点，对图像风格迁移这一研究领域的未来发展趋势做出合理推测。

图像风格迁移；深度学习；卷积神经网络；生成式对抗网络；VGG19；TensorFlow

0 引言

不同图像之所以带给人们不一样的感观，是因为图像的风格不同，特定的图像一般呈现出其专属的风格。通俗的讲，图像风格迁移是指利用计算机程序将图像A的风格特征提取出来，把该特征与图像B的内容相融合，最终得到一个全新的、拥有A的风格和B的内容的图像C，它是一项将某一图像的风格应用到另一图像内容上的技术。……