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′。