[发明专利]一种基于显著度匹配的画风迁移方法

摘要

本发明涉及一种基于显著性匹配的画风迁移方法，核心为一个基于显著度匹配的画风迁移深度神经网络模型。该模型由特征抽取、子画风迁移、基于显著度的区域分解和画风图像合成，四个模块组成。在训练时，对所构建的画风迁移网络模型进行分支训练，使每个分支向目标作用优化。与现有技术相比，本发明具有以下优点：1)依据内容图中对象显著度和画风图中子画风显著度的一致性进行画风迁移，能够将显著的画风迁移到内容图的显著对象上，从而保证迁移风格后的内容图中的对象显著性顺序保持不变。同时，不同显著度的对象物继承单一子画风，不会因为同一对象继承不同子画风造成风格混乱；2)生成的带画风图像更加光滑、无噪声。

主权项

1.一种基于显著度匹配的画风迁移方法，其特征在于，包括以下模块：模块一、特征抽取模块：给定一幅输入图像，通过特征抽取模块得到特征矩阵；模块二、子画风迁移模块：对特征矩阵表达的内容图进行处理使其具备不同的子画风，并解码生成带有不同子画风的多幅内容图；其中，子画风总数量M和子画风的显著度排序事先由用户自由指定；模块三、基于显著度的区域分解模块：该模块以特征矩阵表达的内容图为输入，将其依据注意力机制按照重要性程度进行内容分解，并解码生成N张与内容图尺寸一致、显著度由高到低排序的区域分布图，每张图中像素取值表示该像素属于当前显著层级的概率；模块四、画风图像合成模块：对子画风内容图和内容区域分布图按显著度的一致性进行匹配，以区域分布图的像素值为权值，加权对应子画风图像的相应像素；所有加权后的子画风内容图加和生成最终的画风迁移图。