[发明专利]水墨画艺术风格转换方法、系统、计算机设备及存储介质

权利要求书

1.一种水墨画艺术风格转换方法，其特征在于，所述方法包括：

获取数据集，所述数据集包括水墨画图像域数据集以及与水墨画图像域数据集对应的真实自然图像数据集；

对数据集进行预处理，得到预处理后数据集；

根据预处理后数据集，得到训练集；

建立不对称循环一致性生成对抗网络模型，所述不对称循环一致性生成对抗网络模型在CycleGAN骨架的基础上，包括不对称结构机制和显著性边缘损失函数；

利用训练集，对不对称循环一致性生成对抗网络模型进行训练，得到训练好的不对称循环一致性生成对抗网络模型；

将待测的真实自然图像输入训练好的不对称循环一致性生成对抗网络模型，得到水墨画图像，实现水墨画风格转换；

所述不对称结构机制包括以ResNetBlock为核心的生成器G_AB和以DenseNetBlock为核心的生成器G_BA；

所述显著性边缘损失函数的计算过程如下：

分别将真实自然图像以及通过生成器G_AB生成的水墨画风格图像输入到显著性边缘提取模块以获得显著性边缘特征图；

对获得的显著性边缘特征图进行计算，获得显著性边缘损失。

2.根据权利要求1所述的水墨画艺术风格转换方法，其特征在于，所述将待测的真实自然图像输入训练好的不对称循环一致性生成对抗网络模型，得到水墨画图像，实现水墨画风格转换，具体为：

获取真实自然图像数据集中的图像，输入不对称循环一致性生成对抗网络模型的生成器G_AB，得到水墨画图像。

3.根据权利要求2所述的水墨画艺术风格转换方法，其特征在于，所述生成器G_AB和生成器G_BA均包括下采样部分、转换网络和上采样部分；

所述下采样部分包括一个平卷积层和两个降采样层；

所述上采样部分包括两个上采样层和一个重构卷积层；

所述转换网络部分包括六个转换层，其中所述生成器G_AB的六个转换层均为ResnetBlock转换层，所述生成器G_BA的六个转换层改为五个DenseBlock转换层和一个1x1卷积层。

4.根据权利要求1所述的水墨画艺术风格转换方法，其特征在于，所述显著性边缘损失函数的计算公式如下：

其中，N_mask为显著性边缘提取模块对真实自然图像以及生成图像提取后的每个像素点，α为N_mask中非边缘点的占比权重。

5.根据权利要求1所述的水墨画艺术风格转换方法，其特征在于，所述显著性边缘提取模块包括边缘提取网络子模块、显著性区域检测网络子模块和乘积运算子模块；

所述边缘提取网络子模块，用于对输入图像进行边缘提取，得到边缘输出图；

所述显著性区域检测网络子模块，用于对输入图像进行显著性区域检测，得到显著性区域输出图；

所述乘积运算子模块，用于将边缘输出图和显著性区域输出图进行乘积运算，得到显著性边缘特征图。

6.根据权利要求1-5任一项所述的水墨画艺术风格转换方法，其特征在于，所述对数据集进行预处理，得到预处理后数据集，具体为：

将水墨画图像域数据集和真实自然图像数据集中所有图像格式进行统一，得到预处理后数据集，所述图像格式包括图像文件类型和图片尺寸大小。