图像风格迁移是指学习一幅画作的艺术风格,然后再把这种风格应用到另外一张图片上。风格迁移通过提取出画作中的风格语义,并以数据表达出图像的风格特征,从而对另外一张图片的风格进行修饰,修改图像特征,实现风格迁移。图像风格迁移对于图像修复和图像分类都有着重要的作用,是计算机图像处理中的一个重要研究方向。近年来伴随着神经网络的发展,许多基于神经网络的图像风格迁移方法被提出,然而将这些方法用于中国绘画,效果却不尽人意。究其原因,在于中国传统绘画有着独特的风格描述,中华上下几千年的沉淀使得中国传统绘画独树一帜。为了有效地解决中国绘画图像的风格迁移问题,本文在现有方法基础上展开研究,探索更适应中国绘画的风格迁移方法。主要工作包括以下内容:1.以中国绘画在深度学习特征中的表现为出发点,研究了中西方绘画的不同之处,通过观察和比较中国绘画与西方绘画及自然图片,从绘画技法的角度分析得出中国绘画中的线条、纹理和结构等特征与其他图像有较大区别。2.提出一种基于特征重组的中国绘画图像风格迁移方法。利用神经网络中的深度特征与图像语义之间的联系,提出了 一种中国传统绘画的艺术风格表达方法,并与现有方法相结合,通过特征重组匹配生成网络中的特征矩阵,最后使用解码器生成迁移图像。实验结果证明,该基于特征重组的方法对于中国绘画的风格迁移结果有一定的改善作用。3.提出了 一种基于生成式对抗网络的中国绘画图像风格迁移方法。该方法对循环生成式对抗网络进行改进,将目标图像的纹理作为额外条件输入到生成器中,并将判别器改为相对论判别器,搭建新的生成式对抗网络。为了证明方法的有效性,采用大量中国水墨风山水画和自然山水照片作为实验数据。实验结果表明,获得的风格迁移后的生成图像在真实性与质量上都有提升。