摘要：随着科学技术的发展，近几年来对于计算机视觉的研究也不断得到提升，越来越多的人们对图像及视频的风格有了要求。基于深度学习的图像风格迁移则让更多以前没有办法实现的事情得以实现。因此，本文研究了现有的图像风格迁移技术并使用循环生成对抗网络技术进行实现。首先本文对目前图像风格迁移技术的国内外研究现状进行了大致说明，以明确本文进行研究的目的。随后本文详尽的对循环对抗生成网络图像风格迁移技术的实验原理做了讲述，主要介绍了以下几个方面的内容：卷积神经网络，生成对抗网络，循环生成对抗网络原理。通过对循环生成对抗网络风格迁移技术的原理概述，使读者能够了解本系统真正的实现方法，最后用系统的软件工程流程对该系统进行风格迁移系统需求分析，风格迁移系统设计实现，风格迁移系统测试，并最终实现该系统，该系统复现了循环对抗生成网络论文中的多种风格模型并加入了图片滤镜处理功能以及亮度处理功能。通过系统综合测试最后达到的图片处理效果也令人较为满意也说明本文所选择的风格迁移算法的准确性。

 

关键词：深度学习；风格迁移；循环对抗生成网络

 

 

目录

摘要

Abstract

第1章 绪 论 1

1.1研究的背景与意义 1

1.2国内外发展（应用）现状 2

1.3论文所做工作及思路 3

1.4论文章节安排 3

第2章 预备知识及原理说明 5

2.1卷积神经网络 5

2.1.1卷积神经网络的概念 5

2.1.2卷积神经网络的原理 5

2.1.3卷积神经网络的应用 6

2.2生成对抗网络（GAN） 6

2.2.1生成对抗网络概述 6

2.2.2生成对抗网络原理 6

2.2.3生成对抗网络应用 7

2.3循环生成对抗网络（CycleGAN） 7

2.3.1循环生成对抗网络概述 7

2.3.2循环生成对抗网络原理 7

2.3.3循环生成对抗网络应用 8

2.4本章小结 8

第3章 图像风格迁移系统分析 10

3.1需求分析 10

3.2功能说明 11

3.2.1滤镜处理功能 11

3.2.2风格迁移功能 11

3.2.3亮度处理功能 11

3.2.4前端网页交互功能 12

第4章 图像风格迁移系统设计 12

4.1系统总体设计 12

4.1.1系统的工作流程 12

4.1.2系统的功能模块 12

4.2系统详细设计 13

4.2.1图像风格处理设计 13

4.2.2滤镜处理设计 13

4.2.3亮度处理设计 13

4.2.4前端交互设计 14

第5章 图像风格迁移系统实现 15

5.1开发环境 15

5.1.1配置需求 15

5.1.2 Micosoft Visual Visio 2003 15

5.1.3 XMAPP Control Panel v3.2.2 15

5.1.4 Python+PHP+HTML+CSS+JavaScript 15

5.2功能模块实现 15

5.2.1图像风格迁移模块 15

5.2.2图像滤镜处理模块 18

5.2.3图像亮度处理模块 19

5.2.4前端交互模块 20

第6章 图像风格迁移系统测试 23

6.1测试 23

6.1.1人工代码审查 23

6.1.2系统综合测试 23

第7章 结 论 30

致 谢 31

参考文献 32