1.一种基于对偶学习的图像风格转移方法,其特征在于,包括以下步骤:步骤一:向预训练好的转换网络VGG19中分别输入内容图片C和风格图片S,并随机初始化生成一张图片Z;
步骤二:利用公式(1)计算原任务中C和Z的内容损失其中,Lpc(C,Z,l)为第l层的内容损失,为风格化图像Z在第l层第i个卷积核中位置j上的特征,为内容图像C在第l层第i个卷积核中位置j上的特征;
步骤三:利用公式(3)计算原任务中S和Z风格损失其中,Lps(S,Z,l)为第l层的风格损失,为风格图像S在l层中第i个卷积核与第j个卷积核的内积,为风格化图像Z在l层中第i个卷积核与第j个卷积核的内积,Cl,Hl和Wl分别表示第l层的通道数、高度和宽度;
步骤四:利用公式(5)计算原任务中的正则项,即对得到的初始转换后的图片Z进行降噪,步骤五:利用公式(6)计算对偶任务中C'和Z的内容损失,其中,C'为复原图像,即在对偶任务中,原始图像C作为新的风格图像S',根据此风格,从风格化图像Z中复原出原图像的一个近似C',其中, 为复原图像C'在第l层第i个卷积核中位置j上的特征,为风格化图像Z在对偶任务中被称为内容图像在第l层第i个卷积核中位置j上的特征;
步骤六:利用公式(7)计算对偶任务中C′和S′的风格损失其中, 为风格图像S′在l层中第i个卷积核与第j个卷积核的内积,为复原图像C′在l层中第i个卷积核与第j个卷积核的内积,wl为风格权重系数,用以控制各卷积层的分布,Cl,Hl和Wl分别表示第l层的通道数、高度和宽度;
步骤七:利用公式(8)计算对偶任务中的正则项,即对复原图像C′进行降噪步骤八:利用公式(9)计算闭环损失
其中, 为原始内容图像C在l层中第i个卷积核与第j个卷积核的内积,为复原图像C′在l层中第i个卷积核与第j个卷积核的内积,wl、Cl、Hl和Wl含义同前;
步骤九:利用公式(10)计算目标函数和梯度,并对图片Z和C′进行更新,目标函数被定义为:
f(Z,C′)=αLpc(C,Z)+βLps(S,Z)+γLTV(Z)+δLdc(Z,C′)+εLds(S′,C′)+θLTV(C′)+μLcl(C,C′) (10)其中α,β,γ,δ,ε,θ,μ为先验的权重参数;
步骤十:用adam优化算法对公式(10)进行优化,之后输出风格化图像Z和复原图像C′。