导　　师： Zhang Pingjian

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 绘画是绘画中的一个重要类型。等人为提供了人们普遍使用的人像传输系统。肖像摄影风格在其中最为重要,绝大部分学者正试图为调整肖像风格作出努力,但极少数关注到绘画风格。绘画风格极为有趣,它通过人物图解法,精致显示人脸及人体构造的细微差别。最近,公众风格定位试图将语义材料融入旧式方法中。通过这一方法,在语义一致的领域进行风格转换时,能够高度保留原始内容。在本文,我们建议采用高级框架以获得良好或高阶的语义绘画风格转换.我们介绍一种新式技术,以解决语义绘画风格转化展示、特征重建以及特征摄影的问题。重建部分考虑的是如何通过特征重建解决及优化内容和风格损坏的问题。这将大大降低在传输过程视像丢失的程度。解释器将重建部分转换为风格化图像。通过细致衔接原始画面和绘画风格版本,这一技术不仅可以作为渐进式优化系统获得合理结果并且能够帮助发现何种方法更好更快速。我们相信本文能够阐明与这一问题相关的两个重要的研究方法并明晰随之而来的研究内容.我们的未来方法不仅仅限于头部摄影或是特定的风格,因为我们的方法还考虑语义绘画风格变换的问题。图片的语义内容将展现不同的风格,从这个角度来看,将实现一个难度较高的图片处理目的。以往的技术问题大致为难以清晰展示或体现图片的语义信息,因此通过这一技术,能够很好地保持图片风格和内容的连贯性。在这里,我们将使用一种不同于卷积神经网络(Convolutional Neural Networks,以下简称“CNNs”)的技术为其优化,从而清晰展现具有优良风格地图片信息。我们展示的是一种高阶绘画风格,并提供了一些与原始图片内容和风格相关的例子。通过引入这一技术,我们能够添加丰富的知名的绘画风格,将主体照片内容联合起来,以创造出顶级卓越的高级图片。这一方法能通过学习使用(CNNs)技术展示高水准的视觉效果,如清晰的图片信号。它能够帮助实现超级照片的合成。(CNNs)技术的运作在照片合成和绘画风格转换中发挥着很大的作用。对于绝大多数使用者而言,可以通过自动创建照片标签或使用可行解决方案进行语义绘画风格分割以实现有趣的目标。通过这一方法,将创设极具敏感度的内容反应系统。因此,我们认为可以规避一些细节的不足以实现图片的优化,使图片外观更为真实可信,并设置这些语义绘画风格的选择范围,如具有语义绘画风格转换以及使用(CNNs)技术调整成清晰的于一绘画风格转换的展示等.更多还原

关 键 词： 卷积神经网络技术(CNNs) 语义绘图 绘图风格 风格转换

分 类 号： [J413;TP391.41]

领　　域： [] []