肖像照片漫画风格化方法

为了解决已有方法不能自动生成反映五官特征且具有写实漫画风格的线条画的问题,基于数据驱动和滤波的混合方法,提出一种漫画风格肖像线条画自动生成的方法.将五官和头发分为2部分,基于数据驱动的方法合成五官,使用非数据驱动的方法生成头发.在已有的特征点基础上,从数据库中匹配合适的五官数据生成五官图片.对于头发的处理,使用Canny边缘检测、图像二值化、自适应阈值二值化和XDoG算子4种不同处理方法生成头发线条域;为了更接近绘画效果,使用不同的绘画纹理与头发线条域进行叠加,生成具有不同纹理、不同风格的头发.整合五官图片和头发图片,最终生成肖像的漫画风格线条画.从互联网上获取图片构建数据集进行实验,采用不同方法生成不同风格的图片,并请专业和非专人士分别对图像质量的高低、人物特征的把握准确程度和整体审美效果3个方面打分进行评估.结果表明,所提方法能够实时地处理发生偏侧的人脸图片,与其他方法相比,该方法能生成的图片是写实漫画风格而非卡通风格或素描风格,在生成漫画风格夸张五官的同时处理结构复杂的头发.     

具有层次素描纹理的素描画绘制方法

针对现有的计算机非真实感绘制(NPR)技术关于素描画的绘制方法的实现效果与手绘风格存在一定差异的问题,设计了一种能够产生层次素描纹理的方法,并将其与多像素宽边缘线条融合,生成具有层次感素描纹理的素描画。首先对原始图像做去噪、增强等预处理,用微分算子提取多像素宽的轮廓线条;再通过膨胀和腐蚀处理并将结果相减生成多层双边轮廓线条,用运动模糊处理多层双边线条得到素描纹理;最后融合边缘和素描纹理,得到素描效果图像。通过对不同特点的图像进行实验,证明该方法得到的素描画的效果比较接近手绘风格。     

应用运动模糊方法仿真铅笔画纹理

通过分析真实铅笔纹理的特点,提出了一种基于运动滤波器的仿真铅笔纹理的新方法.首先对用户输入的图像进行边缘检测,提取轮廓信息,然后对传统白噪声生成法进行改进,将参考图像由RGB色彩空间转换到HSV色彩空间,通过亮度值控制噪声点的产生几率,最后应用运动模糊方法代替传统的线积分卷积(LIC)方法模拟铅笔纹理,得到具有素描风格的结果图像.实验结果表明,该方法生成效果接近于手绘风格,且无需用户交互,适合于动画制作等很多领域的应用.     

一种铅笔画仿真新方法

通过分析铅笔画的艺术特点,提出一种基于图像的铅笔画仿真方法。首先对用户输入的图像进行Unsharp Mask（USM）锐化提取细节信息,并进行颜色放大处理以增强对比度,然后采用基于点的向量场技术生成笔画方向,最后应用线积分卷积（LIC）得到具有素描风格的结果图像。为了更好地模拟铅笔纹理,改进了传统的纹理生成方法,提出将锐化后的结果图像代替白噪声图作为LIC的输入。实验结果表明,该方法的生成效果更接近于手绘风格,且无需用户交互,适合于动画制作等很多领域的应用。     

基于傅里叶变换的图像素描效果生成算法

首先将真彩色图像转换为灰度图像,通过傅里叶正变换后将所有像素点的幅值设定为一常数,进行傅里叶逆变换,得到像素点的新灰度值;然后将每点灰度值倒置求反,再对图像进行锐化和平滑等处理来实现图像的素描效果。实验结果证明：该算法快速有效,生成的素描图像既能进行图像识别,提高图像质量,又可以达到美术和艺术效果,具有较高的理论和应用价值。     

汉字手写式键盘输入方法的设计与实现

设计了一种汉字手写式键盘输入法,给出了基于快速模糊匹配方法的笔画智能生成算法及其实现。该方法在键盘上将汉字笔画模拟表示为笔画轨迹的起点、拐点、中间点和落点的键序列,通过构造笔画的网状搜索空间,实现了键序列到笔画序列集合的转换,进而实现汉字输入。本方法无需记忆键位,会写汉字就会输入。     

结合模糊支持向量机的曲线类比在书法风格仿真中的研究

通过学习有限的输入字帖,实时全自动地独立创作出风格迥异的书法作品是计算机艺术仿真研究领域中的一个重要方向。提出了一种结合模糊支持向量机（FSVM）的曲线类比学习算法,能够根据用户设定的参数生成各种风格的书法作品。首先将字帖图像转换为层次化的笔画结构模型,通过FSVM检索骨架结构相似点的序列进而对其进行曲线类比与演化,最后经过处理选择得到新风格的字体。仿真实验结果表明,基于FSVM的曲线类比算法能根据输入的不同风格书法图像和用户的参数设定生成大量新颖的书法风格。     

一种改进的图像素描生成算法

本文给出一种改进的图像素描生成算法。首先对图像进行梯度和反相处理,再将图像灰度化,从而产生图像素描结果,实验证明该算法快速有效。     

基于StarGAN和类别编码器的图像风格转换

图像风格转换技术已经融入到人们的生活中,并被广泛应用于图像艺术化、卡通化、图像着色、滤镜处理和去遮挡等实际场景中,因此,图像风格转换具有重要的研究意义与应用价值.StarGAN是近年来用于多域图像风格转换的生成对抗网络框架.StarGAN通过简单地下采样提取特征,然后通过上采样生成图片,但是生成图片的背景颜色信息、人物...     

基于SSN的数据集预处理框架

为解决由于染色差异造成的组织病理学图片良性、恶性检测精度下降的问题,提出一种基于染色风格归一化算法的数据集预处理框架.搭建图片转换网络和损失函数网络,在训练时,联合内容图片和目标染色图片构建损失函数,通过对大量内容图片进行训练,将目标染色图片的染色风格编码在模型的权重之中;在运行时,该模型可以使输入的图片在保持原有病理学样式的情况下达到染色分布的统一.实验结果表明,经该框架处理后的数据集有着更加集中的色彩空间,使用处理后数据集训练得到的模型有着更高的分类精度.     

实时图像素描风格化

提出了一种实时的图像素描风格化算法.根据素描以及人眼视觉的特点,利用人眼对颜色差异的敏感程度来勾勒图像的轮廓,并依据图像光感强度产生的重要性图来控制渲染素描风格画的阴影纹理,使得生成的素描风格画具有良好的艺术效果.与已有方法相比,该文算法不需要人工交互,生成的素描视觉效果更好,在速度上能达到实时.     

一种VGGNet的图像风格迁移算法设计与实现

针对卷积神经网络在实现图像风格迁移中出现的图像失真及精度较差问题,提出一种基于卷积神经网络的图像风格迁移算法。分析传统的纹理重构算法,采用拟牛顿法之一的L-BFGS优化方法对其进行改进。利用Gram矩阵计算图片中的纹理、颜色和视觉信息,提取一幅普通图片和一幅具有代表性的艺术性图像的两种高层抽象特征表示,从而生成具有原内容和艺术性风格的合成图像。在深度学习Keras框架的基础上,设计一种卷积神经网络的图像风格迁移算法。实验结果表明,适度地选择迭代次数可观察合成图像的匹配程度,该算法可提高准确度并降低计算复杂度。     

双重对偶生成对抗网络的跨年龄素描—照片转换

目的 跨年龄素描-照片转换旨在根据面部素描图像合成同一人物不同年龄阶段的面部照片图像。该任务在公共安全和数字娱乐等领域具有广泛的应用价值,然而由于配对样本难以收集和人脸老化机制复杂等原因,目前研究较少。针对此情况,提出一种基于双重对偶生成对抗网络（double dual generative adversarial networks,D-DualGANs）的跨年龄素描-照片转换方法。方法 该网络通过设置4个生成器和4个判别器,以对抗训练的方式,分别学习素描到照片、源年龄组到目标年龄组的正向及反向映射。使素描图像与照片图像的生成过程相结合,老化图像与退龄图像的生成过程相结合,分别实现图像风格属性和年龄属性上的对偶。并增加重构身份损失和完全重构损失以约束图像生成。最终使输入的来自不同年龄组的素描图像和照片图像,分别转换成对方年龄组下的照片和素描。结果 为香港中文大学面部素描数据集（Chinese University of Hong Kong（CUHK）face sketch database,CUFS）和香港中文大学面部素描人脸识别技术数据集（CUHK face sketch face recognition technology database,CUFSF）的图像制作对应的年龄标签,并依据标签将图像分成3个年龄组,共训练6个D-DualGANs模型以实现3个年龄组图像之间的两两转换。同非端到端的方法相比,本文方法生成图像的变形和噪声更小,且年龄平均绝对误差（mean absolute error,MAE）更低,与原图像相似度的投票对比表明1130素描与3150照片的转换效果最好。结论 双重对偶生成对抗网络可以同时转换输入图像的年龄和风格属性,且生成的图像有效保留了原图像的身份特征,有效解决了图像跨风格且跨年龄的转换问题。     

基于图像空间的素描效果生成技术

目前大部分非真实感绘制技术都利用各种不同大小及形状的笔画模拟人工绘画的过程,实现起来比较复杂。提出了一种基于图像空间的无笔画的素描效果生成算法,只需将一幅数字图像作为输入,然后对其进行滤波处理,使得处理后的图像在去噪的同时可以消除光照所带来的影响,同时可以将特征像素进行分离;在此基础上再分别进行边缘检测和二值化;最后将边缘检测结果和二值图像相结合,从而得到相应的素描效果。实验结果表明,该算法可以快速有效地生成素描效果,且实现简单。     

素描作品“拍”出来

正一般来说,要取得一幅人物素描作品,需要美工一笔一画地创作出来。但是,如果借助于一款Android应用XnSketch Pro,可以轻松地将一张照片变成各种自定义风格的素描作品。XnSketch Pro是一款滤镜驱动的图片处理应用,提供了多种手绘风格滤镜,并可以对光线和颜色等基本要素进行微调,将图片快速处理成自己满意的手绘艺术风格。傻瓜化处理极简单启动该应用,屏幕中央出现两个按钮,左侧按钮用来启动设备中的相册,右侧按钮为拍摄按钮,用来实时拍照(图1)。如果要将手机中的照片处理成为一幅手绘作品,点击相册按钮,进入手机照片库,找到     

一种数据模型的范畴论建模方法

针对数据模型复杂语义建模的应用需求, 以及目前数据模型范畴论建模方法理论研究与工程实践方面存在的不足, 建立了一种素描数据模型。该模型在模型范畴的形式化框架内, 用与特定数据库建模语言无关的范畴论对数据库状态的一致性转换进行了形式化描述, 扩展了传统ER模型的表示与处理功能。基于素描对图形化建模规范的支持, 设计了ER模型向素描数据模型转换的算法, 以精确的语义联系保证模型转换的语义完整性, 并通过实验与对比分析了素描数据模型与算法的优势, 为数据模型的范畴论建模方法研究提供便利、高效的形式化理论框架。     

基于Web挖掘的个性化教学推荐系统

针对学生网络学习环境设计了一种新颖的个性化教学推荐系统。该系统通过测试学生的学习风格和挖掘Web浏览日志,构造了不同学生学习风格和Web使用习惯的模型。首先利用Item-Based Top-N推荐算法对数据稀疏的学习风格测量数据进行处理,实现对学生学习风格的诊断;然后,采用AprioriAll算法挖掘Web浏览日志中序列频繁集,分析出学生Web使用的常见习惯和兴趣;最后,依据不同的学习风格和Web使用习惯实现学习内容的个性化推荐。模拟实验表明,该推荐系统的设计是可行并有效的,能够很好地符合用户的真实需求。     

基于卷积神经网络的图片风格转换系统

随着互联网技术的推进发展,对图片风格进行个性化、艺术化的处理受到广泛关注,并成为一大发展热点。神经网络迁移是另一种“印刷术”,从图片中复制风格并对新的图片进行转换,具有重要的现实意义。本文通过使用卷积神经网络方法,在内容、风格两个层面上将图像分离,标注融合后相对应的图片进行跟进优化,降低照片的损失值;按照数值重新糅合制作出新的图片,能够促进图片与所需风格的有效融合,可以完美地掩饰图片上的一些瑕疵,应用范围更加广泛,与用户交互更加友好,体验感更愉悦。     

基于生成对抗网络的图像动漫风格化

目前的卡通风格图片生成方法仍然存在局限,如色彩不真实、图片局部细节处理不到位等,要想快速将输入图片转换为动漫的风格输出还需要结合深度学习进行研究。基于生成对抗网络的思想,提出了一种动漫风格化编码的生成对抗网络,将输入的图像风格转变为宫崎骏动画电影的风格。网络结构加入自适应实例归一化层（AdaIN）模块和多层感知机（MLP）模块,得到很大优化,同时提高实验效果。在损失函数部分,引入图像感知相似性（lpips）作为内容损失函数,二分类交叉熵（binary cross entropy）损失函数（BCELoss）作为对抗损失函数。实验结果表明,该网络对于动漫化图片起到了很好的效果,FID分数72,能够灵活适用于各种类型的图片动漫化。     

基于XML的译文生成系统的设计与实现

基于中间表示的机器翻译一般分为源语分析和译文生成两个阶段，其中译文生成就是根据中间表示中的源语信息，在目标语言模型指导和生成规则驱动下生成目标语句子。该文提出了一种基于XML中间表示的译文生成模型，基于该模型，应用XML转换技术设计并实现了ICENT汉英翻译系统中的英语生成器，重点介绍了规则系统的设计，并给出了系统实现和结果分析以及进一步的研究方向。