1.一种服装风格迁移系统，其特征是，包括图像信息处理单元、图像特征提取单元、风格迁移生成单元和生成图像增强单元；

采用图像预处理，对系统所需求的关键服饰信息进行筛选和提取；

其中图像预处理是指对图像进行w×h大小的缩放，并对图像进行语义分割，剔除图像中强干扰的背景，并保留服装部分；

所述语义分割是指创建对应大小的单通道图像，其中分别将不同的服装类型用不同的编码表示，将背景统一用数值a表示，上衣用数值b表示，下衣用数值c表示，在同一编码的区域和图像进行与操作，便可对图像进行分割；

所述语义分割图是将图像中的风格特征单独的分割出来，其余部分被分割为背景，利用分割图像将迁移过风格的服装图像和原图像的背景进行融合，实现迁移后对图像背景的还原；

所述对风格的提取在于提取目标风格服装图像中的颜色、花纹和纹理风格特征和待转换风格的服装图像的形状和/或轮廓特征；

所述图像信息处理单元用于选择采集目标风格服装图像以及待转换风格的服装图像；

所述图像特征提取单元用于处理目标服饰风格特征和自身风格特征；所述风格迁移生成单元用于对待转换风格的服饰进行对应风格的迁移融合；

所述对风格的迁移，采用风格迁移算法将目标风格服装图像A的风格特征迁移到另一件待转换风格的服装图像B的形状和/或轮廓特征上，生成具有B的状和/或轮廓和A的风格特征的结果；风格特征的表示方法为，颜色采用cmyk色系，图案采用向量化图案，纹理采用四方或两方连续光栅化图片，风格特征为上述多种特征的组合；

具体表示方法为，特征字符串+颜色字符串+图案存储位置+纹理存储位置+排列方式，其中特征字符串是整个风格特征的名称，根据风格特征的规模选择合适的位宽，颜色字符串是背景颜色，图案存储位置是指构成轮廓的图案的物理存储位置，此处的构成轮廓的图案以矢量图的方式存储，纹理存储位置是四方或两方连续光栅化图片的物理存储位置；

所述生成图像增强单元用于生成待转换风格服饰图像的语义分割图，并利用语义分割图对变形的背景进行割离，还原迁移图像的背景。

2.根据权利要求1所述的服装风格迁移系统，其特征是，所述目标风格服装图像，是指需要对其特征进行学习迁移的图像作为示范图像进行风格学习；待转换风格的服装图像是指需要被更换风格的服装图像。

3.一种采用权利要求1 2任意一项所述的一种服装风格迁移系统的迁移方法，其特征~是，使用具有编码和解码功能的卷积神经网络，其步骤如下：

S1、对输入的风格代表图像进行分割处理，通过语义分割算法单独将图像中的服装提取出来；

S2、对提取的风格代表图像和原始的形状代表图像进行通道方向的连接，并使用网络中的编码部分对图像进行卷积编码，提取图像高级的特征信息；

S3、将通过编码得到的目标风格服装图像的颜色，花纹，纹理细粒度信息和待转换风格的服装图像的轮廓、形状，位置信息进行融合，即进行n次维度不变的卷积操作；

S4、利用服装风格迁移算法，对两类服装的细粒度信息和形状信息，进行卷积融合；

细粒度信息包括颜色，花纹和纹理特征；

形状信息包括形状、轮廓和自身相对位置关系；

S5、利用网络中的解码部分对融合的高级特征向量进行进一步解码，将服装的细粒度信息和形状信息进行重新组合，生成合理的合成后的服装图像；

S6、将被分割的待转换风格的服装图像的原背景和已转换风格的服装图像进行拼接融合，合成最后保持背景信息的服装图像。

4.根据权利要求3所述的采用服装风格迁移系统的迁移方法，其特征是：采用一组成对的服饰A,B，进行风格从A迁移到B的转换；

采用局部到局部的迁移方法，仅对服装的局部颜色和纹理风格的迁移；

若迁移后背景失真，则利用语义分割对其进行无关部分的补充，以提高图像的生成质量。

5.根据权利要求3所述的采用服装风格迁移系统的迁移方法，所使用目标服装的风格特征由参考服装所确定，通过服装的迁移过程后，目标服装除外缘轮廓外，汲取到了全部的参考服装风格；利用卷积神经网络经过多层卷积提取到的服装颜色，图案，纹理的高维度的混合特征向量，即该特征向量拥有潜在的所有特征风格特征的细粒度信息；还包括利用反卷积操作对该特征向量进行解码操作，根据神经网络的反向传播，以实现风格特征的识别。