基于亮度与色度信息的深度学习图像风格迁移算法研究

• 作者: 杨慧炯 郭芸俊 韩燕丽
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像风格迁移 深度学习 深度卷积网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 智能技术
• 页码范围: 145-151,159
• 页数: 8页
• 分类号: TP391.41|TP181
• 字数: 4378字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.07.019

摘要

深度学习技术为图像风格迁移技术的突破提供了可能,无论在日常生活还是在学术、工业应用中都有很高的价值.目前已有的深度学习图像迁移算法虽然取得了突破性进展,但是在纹理细节、笔触形状等艺术风格以及大面积色块区域变化特征的提取中往往无法达到满意的效果.为此,通过综合考虑图像的颜色和亮度信息构建一个多尺度分层网络,在提取图像整体艺术风格的同时对纹理细节和大面积色块区域的微小亮度变化特征进行细化.相对于已有的深度学习图像风格迁移算法,在不增加软硬件和时间成本的前提下,可达到更为满意的迁移效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨慧炯	太原工业学院计算机工程系	18	37	3.0	5.0
2	韩燕丽	太原工业学院计算机工程系	12	31	3.0	5.0
3	郭芸俊	太原工业学院计算机工程系	12	24	3.0	4.0