金智功，周孟然

(安徽理工大学 a.计算机科学与工程学院；b.电气与信息工程学院 ，安徽 淮南 232000)

0 引 言

图像风格迁移就是指将一张风格图片的艺术风格迁移到另一张内容图片上，最后得到一张生成图片。使得图像在保证内容特征不发生大的改变的情况下学习到艺术风格，如图1所示。

(a)内容图像 (b)风格图像 (c)生成图像

早期的风格迁移有基于纹理合成和基于非真实感渲染两种。其中基于纹理合成的方法有Julesz[1]提出的基于纹理建模来进行特征提取的方法，用获得的像素进行n阶信息统计特征的相似程度来表达视觉上的差异；Bergen[2]等人用金字塔图片来匹配不同尺度的滤波器响应直方图来分析纹理，而非直接统计像素点。总的来说，参数化纹理建模就是先用滤波器提取图像的纹理特征，之后用重采样方法合成新的纹理。基于非真实感渲染的方法有Lu[3]提出的通过对笔触的交叉、拖尾和颜色混合的处理，将原来的图像渲染成多色彩立体风格图像；Wang[4]使用了通过颜色转换、基于显著性的细节层次图绘制、手震模拟和湿画效应模拟，最后产生艺术还原度极高的水彩画图像的方法；Hertzmann等人[5]提出了使用一系列长而弯曲的笔触，通过选择源图像的色彩，将风格表示为一组直观参数，通过调整参数改变绘画风格，但是基于笔触的算法是根据某一种特定的风格设计的，不能模拟任意的样式，局限性较大。

随着深度学习的兴起，Gatys等人[6]利用迁移学习[7]使用了在Imagnet数据集上预训练好了卷积神经网络(Convolutional Neural Networks，CNN)模型来实现了图像风格迁移。……