[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

说明书

本发明公开了一种水墨画艺术风格转换方法、系统、计算机设备及存储介质，所述方法包括：获取数据集并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；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。本发明克服了水墨画艺术转换任务中图像域之间不对称性带来的不利影响，实现了质量更高的水墨画风格转换效果。

技术领域

本发明属于图像处理、计算机视觉以及图像转换领域，具体涉及到一种水墨画艺术风格转换方法、系统、计算机设备及存储介质。

背景技术

中国水墨画作为中国艺术中最重要的代表之一，是中国最重要的文化瑰宝之一，它独特的“墨韵”之美、“笔触”之美以及“意境”之美，吸引了人们的广泛关注。然而，创作一幅水墨画是一项极其耗费人力物力的工作，其不仅需要具有专业技能的绘画人士还需要较长创作时间的花费。对此，自动生成中国水墨画对丰富这一艺术的创作方式以及传承和发扬这一艺术是具有十分重要的现实意义的。

近年来，以Gatys为首提出的基于CNN的风格迁移技术，能够将一张图像的风格迁移为参考图像的风格，然而这种技术的风格生成效果严重依赖于参考的风格图像，而且仅凭一张参考的风格图像是难以完整表达一类艺术的风格。而以CycleGAN(出自论文《Unpaired image-to-image translation using cycle-consistent adversarialnetworks》)为代表提出的基于生成对抗网络(Generation Adversarial Networks，GAN)的图像转换技术能够较好的克服这一问题，它能够实现两个域图像集的风格转换(如将内容为黑夜场景的图像转换为内容为白天场景的图像)，充分学习一类艺术的风格特点。

目前有基于循环一致性生成对抗网络模型CycleGAN的中国水墨艺术转换技术的相关研究，如ChipGAN(出自论文《ChipGAN:A generative adversarial network forChinese ink wash painting style transfer》)，然而，这些技术都没有关注到真实自然图像域和中国水墨画图像域的内容复杂度的不对称性，这导致通过转换技术生成的中国水墨画艺术图像存在细节退化、模糊、水墨画风格效果不佳等问题；并且这些技术还存在模型复杂和训练优化时间长的缺点。

发明内容

为了解决上述现有技术的不足，本发明提供了一种水墨画艺术风格转换方法、系统、计算机设备及存储介质，通过在循环一致性生成对抗网络CycleGAN的基础上引入不对称结构，鼓励网络适应不对称域图像间的转换，以及引入显著性边缘损失以突出水墨画的“重要笔触突出”的特点，从而生成效果更好、质量更高的水墨画风格转换图像。

本发明的第一个目的在于提供一种水墨画艺术风格转换方法。

本发明的第二个目的在于提供一种水墨画艺术风格转换系统。

本发明的第三个目的在于提供一种计算机设备。

本发明的第四个目的在于提供一种存储介质。

本发明的第一个目的可以通过采取如下技术方案达到：

一种水墨画艺术风格转换方法，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；