模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (6): 509-521    DOI: 10.16451/j.cnki.issn1003-6059.202106003
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
中国肖像画的风格转移算法
盛家川1, 董玙璠1, 李小妹2, 李玉芝1
1.天津财经大学 理工学院 天津 300222
2.天津财经大学 科技创新与成果转化办公室 天津 300222
Chinese Portrait Painting Style Transfer Algorithm
SHENG Jiachuan1, DONG Yufan1, LI Xiaomei2, LI Yuzhi1
1. School of Science and Technology, Tianjin University of Finance and Economics, Tianjin 300222
2. Department of Sci-tech Innovation and Achievement Transformation, Tianjin University of Finance and Economics, Tianjin 300222

全文: PDF (6286 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 风格转移技术能快速生成目标艺术作品,但直接用在中国画上通常会存在特征分布不协调、人脸辨识不一致等问题.针对上述问题,文中提出基于卷积神经网络(CNN)的中国肖像画风格转移算法.首先,针对中国肖像画中写意和工笔两种绘画技法,提出笔触控制约束,指导图像的纹理分布.然后,提出国画特征移动距离,用于度量内容与风格特征,并将参考的中国画风格协调部署在肖像照上.最后,针对中国画的水墨色调和留白特点,提出水墨留白约束改进损失网络.实验表明,文中算法生成的结果不仅保证人脸辨识的一致性,而且在中国画艺术风格上表现更优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
盛家川
董玙璠
李小妹
李玉芝
关键词 风格转移中国肖像画卷积神经网络笔触控制约束国画特征移动距离水墨留白约束    
Abstract:Style transfer algorithms can generate target artworks quickly. However, the problems are caused by applying style transfer algorithms directly to Chinese paintings, like uneven feature distribution and inconsistent face recognition. To address these issues, a Chinese portrait painting style transfer algorithm based on convolutional neural network(CNN) is proposed. Firstly, a brushstroke control restriction is proposed to guide the texture distribution of the image for freehand brushwork and fine brushwork of Chinese portrait painting. Then, Chinese painting moving distance is proposed to measure content and style features and transfer the style of Chinese painting to portrait photos harmoniously. Finally, the restriction for improving the loss network is put forward based on the ink tone characteristics and the blank space reservation. Experiments show that the proposed algorithm is superior in Chinese painting style and the results maintain the consistency of face recognition.
Key wordsStyle Transfer    Chinese Portrait Painting    Convolutional Neural Network    Brushstroke Control Restriction    Chinese Painting Moving Distance    Ink and Space Reservation Restriction   
收稿日期: 2020-11-06     
ZTFLH: TP 391.41  
基金资助:国家自然科学基金项目(No.61502331)、教育部人文社科项目(No.18YJA630057,19YJA630046)、天津市自然科学基金项目(No.18JCYBJC85100)资助
通讯作者: 李玉芝,硕士,讲师,主要研究方向为机器学习、多媒体处理.E-mail:liyuzhi@tjufe.edu.cn.   
作者简介: 盛家川,博士,教授,主要研究方向为数字多媒体处理、模式识别.E-mail:jiachuansheng@tjufe.edu.cn.
董玙璠,硕士研究生,主要研究方向为计算机视觉.E-mail:dongyufan@stu.tjufe.edu.cn.
李小妹,硕士,研究员,主要研究方向为科技创新与管理.E-mail:lixiaomei@tjufe.edu.cn.
引用本文:   
盛家川, 董玙璠, 李小妹, 李玉芝. 中国肖像画的风格转移算法[J]. 模式识别与人工智能, 2021, 34(6): 509-521. SHENG Jiachuan, DONG Yufan, LI Xiaomei, LI Yuzhi. Chinese Portrait Painting Style Transfer Algorithm. , 2021, 34(6): 509-521.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202106003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I6/509
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn