基于局部和全局优化融合图像卷积神经网络风格迁移方法

摘要

本发明公开了一种基于局部和全局优化融合图像卷积神经网络风格迁移方法，首先选定需转换的内容图像和风格图像，采用深度卷积神经网络VGG‑19作为图像高级风格特征提取基础模型。然后在VGG‑19模型中挑选局部优化内容约束层和风格约束层，建立新的网络模型F1，并定义基于局部优化的图像风格迁移损失函数；然后在VGG‑19模型中选择全局优化风格约束层，建立新的网络模型F2，然后把图像风格迁移局部优化损失函数和图像风格迁移全局优化损失函数进行线性融合得到总的损失函数。最后初始化一张噪声图像，依据图像风格迁移损失函数，采用网络模型F1、F2分别提取内容图像和风格图像和特征图，利用梯度下降法，经多次迭代最小化损失函数，最后生成风格迁移结果图像。