绘画作品和摄影照片不仅保存与传递其自身所包含的信息,还给人们带来了艺术性的感官体验。然而,人们需要具备一定的技术才能绘制出特定风格的图像或者拍摄特定风格的照片,这项技术需要使用者耗费大量精力和时间进行练习与实践才能产生好看的作品。图像风格迁移是一门将参考图像的风格迁移到目标图像上的技术,模型根据指定目标图像和参考图像进行慢速图像重建或者快速图像生成,这样就能在短时间内使目标图像拥有参考图像风格。风格迁移技术节约了使用者绘画、摄影和修图的时间,它被广泛地应用于美图软件、动画电影制作等领域中。现存的大部分风格迁移算法在艺术性场景下能产生惊艳的效果,但其纹理容易发生变化的特性使其在面对写实类场景时效果不理想,生成的图像真实性较低。本文重点围绕面向写实类图像场景的风格迁移应用,对在线优化图像和离线模型优化的两类风格迁移算法进行展开研究。本文的主要创新性总结如下:1.传统的风格迁移算法主要通过颜色迁移和纹理重建的方法来达到迁移风格的目的,针对传统方法产生的结果图像整体风格单调、应用场景局限的问题,本文基于深度神经网络提出了一种基于多尺度特征的慢速风格迁移模型。多尺度特征的结合丰富了图像各种信息,由拉普拉斯矩阵表示的写实项约束了图像结构变化。实验表明,该模型可以灵活地应用在各种写实类风格迁移场景,产生的图像不仅能保持纹理的一致性,主观上人为感官上图像整体色彩也比较饱满具有观赏性,客观上相关评价指标更高。2.基于神经网络的慢速风格迁移算法在应用过程中灵活性较高,生成的图像效果很好,但是其整体流程时间较长。针对此类算法在工业界落地困难的问题,本文在第一个点的基础上进行扩展与研究,提出了一种基于离线模型优化的快速风格迁移模型,能在以秒为单位的时间内完成图像风格迁移。本文模型在COCO数据集上训练与实验。实验证明,本文模型与部分风格迁移模型算法相比,省去了针对不同风格都要专门训练对应模型的过程,跳过了不断调设参数的繁琐步骤,训练好的模型针对任意的目标图像和参考图像,都能实时产生结果。3.本文设计并实现了对自然图像进行风格迁移的仿真系统。本文系统封装了研究工作1和2中提出的算法模型:在线图像风格迁移和离线模型风格迁移算法,若用户想获得一张更高质量的生成图像,且不在意时间开销,可以选择研究工作1的模型;若用户想在短时间内生成图像则可以选择研究工作2的模型。本文系统具有图像输入、图像参数设置、图像处理和图像输出及保存等功能。图像用户选择一种算法模型后进入对应界面,用户传入需要风格迁移的目标图像后,可以根据自身喜好需求自由选择不同类型的参考图像风格,点击运行按钮后,系统能一键式进行风格迁移,系统还提供了对超参数的调节的功能,增加了模型的灵活性。