陈 佳，董学良，梁金星，何儒汉

（1.武汉纺织大学 数学与计算机学院，武汉 430000；2.湖北省服装信息化工程技术研究中心，武汉 430000）

0 概述

近年来，随着计算机视觉在时尚行业的发展，服装图像呈现多样化的风格。个性化是时尚服装设计中的一个重要因素，对服装图像进行特定相关区域风格迁移有利于服装设计的个性化与多样化。服装图像风格迁移也是图像风格迁移［1］的一个重要分支。传统的非参数图像风格迁移是一种分析图像风格的方法，该方法根据风格绘制物理模型或者数学统计模型，对迁移的图像进行纹理合成，使其更好地贴合所构建的模型［2］。此方法需要繁琐的推理公式和复杂的数学模型，耗时耗力，导致传统的非参数图像风格迁移研究的应用发展缓慢［3］。HERTZMANN等［4］提出一种通过推导图像特征映射之间的关系，并将此关系看作风格的纹理特征，以实现图像风格迁移的方法。EFROS 等［2］提出使用物理模型绘制和新纹理合成算法相结合以实现图像风格迁移的方法。QIN等［5］通过改进Ashikhmin 算法，把统计特性引入相似性度量中，建立了新领域一致性度量方法，实现了图像间风格传输。这类传统的非参数图像风格迁移方法能提取图像的浅层特征而不能提取高层特征，在复杂的服装图像背景和光照条件下处理服装图像的颜色和纹理时，风格迁移后的服装图像效果较为粗糙。

随着深度学习［6］的兴起，GATYS 等［7］提出基于神经网络的图像风格迁移算法，通过神经网络不同层次提取不同特征以分离图像的内容与风格。……