[发明专利]聚焦主体的双阶段彩墨风格图像生成方法及可读存储介质

权利要求书

1.一种聚焦主体的双阶段彩墨风格图像生成方法，其特征在于，包括：

获取待生成彩墨风格图像的原始图像；

对原始图像进行前背景分离，获取原始图像的前景图像B1和背景图像F1；

将背景图像B1的风格迁移为指定的彩墨风格，生成彩墨画风格的背景图像B2；

对前景图像进行细节增加处理，将细节增强后的前景图像的风格转移为指定的彩墨风格，生成彩墨风格的前景图像F2；以及

融合背景图像B2和前景图像F2，获得最终的彩墨风格图像C。

2.如权利要求1所述的聚焦主体的双阶段彩墨风格图像生成方法，其特征在于，将细节增强后的前景图像的风格转移为指定的彩墨风格，生成彩墨风格的前景图像F2的步骤包括：

分离细节增强后的前景图像的轮廓和纹理，获得轮廓图像L1和纹理图像W1；

将轮廓图像L1的风格迁移为指定的彩墨风格，获得轮廓彩墨风格图像L2；

将纹理图像W1的风格迁移为指定的彩墨风格，获得纹理彩墨风格图像W2；

融合轮廓彩墨风格图像L2和纹理彩墨风格图像W2，获得彩墨风格的前景图像F2。

3.如权利要求2所述的聚焦主体的双阶段彩墨风格图像生成方法，其特征在于，将轮廓图像L1的风格迁移为指定的彩墨风格或将纹理图像W1的风格迁移为指定的彩墨风格的步骤包括：

训练集准备：收集普通非彩墨风格的图像样本组成X域图像，收集指定的彩墨风格的图像样本组成Y域图像；

构建第一风格迁移网络：以卷积神经网络模型作为第一生成对抗网络的第一生成器G_X2Y和第一判别器D_Y，以X域图像中的每一图像x作为第一生成器G_X2Y的输入，以第一生成器G_X2Y的输出和Y域图像中的每一图像y作为第一判别器D_Y的输入；以卷积神经网络模型作为第二生成对抗网络的第二生成器G_Y2X和第二判别器D_X，以Y域图像作为第二生成器G_Y2X的输入，以第二生成器G_Y2X的输出和X域图像作为第二判别器D_X的输入；

构建第一风格迁移网络的损失函数及训练第一风格迁移网络：

L_total1＝L_GAN1(G_X2Y,D_Y,X,Y)+L_GAN2(G_Y2X,D_X,X,Y)+L_cyc(G_X2Y,G_Y2X,X,Y)；

其中，L_GAN1(G_X2Y,D_Y,X,Y)＝E[logD_Y(y)]+E[log(1-D_Y(G_X2Y(x))]，L_cyc(G_X2Y,G_Y2X,X,Y)＝E[||G_Y2X(G_X2Y(x))-x||₁]+E[||G_X2Y(G_Y2X(y))-y||₁]；其中，G_X2Y(.)为第一生成器的输出，G_Y2X(.)为第二生成器的输出,L_total1为第一风格迁移网络的整体损失，L_GAN1为第一生成对抗网络的损失函数，L_GAN2为第二生成对抗网络的损失函数，L_cyc为循环损失；不断迭代训练，更新第一生成对抗网络和第二生成对抗网络权重至L_total1损失最小；

生成轮廓彩墨风格图像L2或纹理彩墨风格图像W2：将轮廓图像L1和指定的彩墨风格图像输入至训练好的第一风格迁移网络中，输出轮廓彩墨风格图像L2；或将纹理图像W1和指定的彩墨风格图像输入至训练好的第一风格迁移网络中，输出纹理彩墨风格图像W2。