使用计算机对不同风格的艺术作品进行模拟是非真实感绘制领域研究的主要方向之一。近二十年来非真实感绘制领域内的研究者们成功地对油画、山水画、素描等艺术风格进行了模拟和仿真,研究成果在工程制图、医学医药、动画制作等产业得到了广泛的应用。然而,粉笔画作为一个有着悠久历史的画种,以它粗犷的线条和亮丽的色彩闻名于世,但目前在非真实感绘制领域对于粉笔画艺术风格的模拟研究还不够深入。非真实感绘制领域内经常使用数学建模的方式对艺术作品进行模拟研究,这种方式依靠具体的算法对图像进行逐步处理,以期获得可预测的效果。但是这种模拟算法针对性过强,对自然图像无法实现大量泛化。深度卷积神经网络自2006年以来在计算机视觉领域取得了巨大的研究进展,本文使用深度学习和卷积神经网络结合的方法来研究粉笔画风格的模拟算法,与基于数学建模的传统算法不同,卷积神经网络模型具有很强的泛化特性,恰好弥补了传统算法泛化能力弱的不足。论文提出的粉笔画风格模拟算法主要围绕粉笔画风格网络模型的构建、训练、使用和改进四个方面展开。首先,网络模型的构建分为粉笔画生成网络和粉笔画判别网络两个部分,生成网络负责产生具有粉笔画风格的图片,判别网络负责判定生成图片的粉笔画风格是否达标,这两者实质上都是卷积神经网络。其次,网络模型的训练依靠在粉笔画判别网络上构建的损失函数,通过损失函数计算生成图片与粉笔画、生成图片与输入图片之间的误差,将误差信息反馈至粉笔画生成网络,生成网络据此更新网络参数。当网络模型收敛时,即认为该模型训练完毕。再次,网络模型的使用十分简单快捷,给粉笔画生成网络输入图片,经过一次网络运算,图片就拥有了粉笔画的艺术风格。最后,本文提出的网络模型在生成网络的组建、损失函数的构建以及训练图片的预处理上做出改进,以求获得更好的实验结果。实验结果表明,本文的粉笔画风格网络模型能较好地模拟出真实粉笔画艺术的特点,即带有毛糙感的线条和色彩相互交织的视觉效果。在生成速度和算法泛化能力上,相较于传统算法有了很大提高,同时拓宽了非真实感绘制技术的研究范围。