陳志鵬，鄭文秀，黃瓊丹

（西安郵電大學(xué)通信與信息工程學(xué)院，西安 710121）

0 概述

圖像風(fēng)格轉(zhuǎn)換是指將一張藝術(shù)圖像［1］的風(fēng)格轉(zhuǎn)換到內(nèi)容圖像上?；谔卣髌ヅ洌?-4］的方法在處理傳統(tǒng)圖像風(fēng)格轉(zhuǎn)換問題時(shí)，耗時(shí)長且效果不佳。卷積神經(jīng)網(wǎng)絡(luò)能夠較好地理解圖像語義信息并提取圖像特征。文獻(xiàn)［5-6］將深度學(xué)習(xí)應(yīng)用在圖像風(fēng)格轉(zhuǎn)換［7-8］中，使用卷積神經(jīng)網(wǎng)絡(luò)提取內(nèi)容圖像和風(fēng)格圖像的特征，并利用Gram 矩陣計(jì)算風(fēng)格特征之間的相似性以實(shí)現(xiàn)圖像風(fēng)格的遷移。由于Gram 矩陣計(jì)算整幅圖相似性的效果不佳，因此研究人員對該算法進(jìn)行改進(jìn)以得到更高質(zhì)量的結(jié)果圖像。文獻(xiàn)［9］使用局部均方差減少圖像的噪聲。文獻(xiàn)［10］提出加入直方圖損失控制生成圖像的穩(wěn)定性。文獻(xiàn)［11］使用馬爾科夫條件隨機(jī)場將特征分成許多小塊，對小塊進(jìn)行特征匹配保留更優(yōu)的局部信息。文獻(xiàn)［12］利用新的紋理生成方法Grammian，保留紋理的空間排列信息，生成更高質(zhì)量的結(jié)果圖像。生成對抗網(wǎng)絡(luò)（GenerativeAdversarial Network，GAN）［13-14］使用生成器模型進(jìn)行圖像風(fēng)格轉(zhuǎn)換，實(shí)現(xiàn)多對多的快速風(fēng)格轉(zhuǎn)換。文獻(xiàn)［15］在損失中加入均值和方差［16］以約束圖像的生成，但是生成圖像存在塊狀效果。文獻(xiàn)［17］利用自動(dòng)顯著性指導(dǎo)風(fēng)格轉(zhuǎn)化方法對內(nèi)容圖像中視覺突出的物體進(jìn)行風(fēng)格轉(zhuǎn)換。文獻(xiàn)［18］通過編解碼的網(wǎng)格結(jié)構(gòu)進(jìn)行圖像風(fēng)格轉(zhuǎn)換，并加入HED 網(wǎng)絡(luò)結(jié)構(gòu)提取內(nèi)容圖像的邊緣信息以減少圖像扭曲。

本文提出一種基于Sobel 濾波器的圖像風(fēng)格轉(zhuǎn)換算法，通過Sobel 濾波器提取內(nèi)容圖像特征圖的邊緣信息，并與生成圖像特征圖的邊緣信息進(jìn)行匹配計(jì)算兩者差值作為新的損失，使得生成圖像保留更多內(nèi)容圖像的細(xì)節(jié)信息，避免出現(xiàn)圖像扭曲。

1 基于深度學(xué)習(xí)的圖像風(fēng)格轉(zhuǎn)換

深度學(xué)習(xí)通過卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，將低層特征組合成更抽象的高層信息。深度學(xué)習(xí)的圖像風(fēng)格轉(zhuǎn)換［19］有3 個(gè)輸入，包括內(nèi)容圖像、風(fēng)格圖像、結(jié)果圖像（一張白噪聲圖像）。文獻(xiàn)［8］使用VGG 19［20］提取圖像的高層語義信息，將內(nèi)容圖像信息和風(fēng)格圖像信息進(jìn)行分離并重組到結(jié)果圖像上，實(shí)現(xiàn)圖像風(fēng)格轉(zhuǎn)換。

文獻(xiàn)［8］使用VGG19 提取特征，其是由16 個(gè)卷積層和3 個(gè)全連接層組成。在圖像風(fēng)格轉(zhuǎn)換中刪除最后的全連接層，使用前面訓(xùn)練好的16 個(gè)卷積層提取特征，并使用平均池化代替最大池化以提高圖像質(zhì)量。研究人員利用反向傳播算法將結(jié)果圖像中的內(nèi)容信息和風(fēng)格信息與輸入的內(nèi)容圖像和風(fēng)格圖像信息相匹配。

1.1 內(nèi)容圖像的損失

卷積神經(jīng)網(wǎng)絡(luò)中每個(gè)卷積層都有一組卷積核提取圖像特征以生成特征圖。隨著網(wǎng)絡(luò)深度的增加，卷積核的個(gè)數(shù)也在增加。分別為內(nèi)容圖像和生成的結(jié)果圖像，Pl和Fl分別為在第l卷積層上的特征圖，F(xiàn)ij表示第i組卷積核上第j個(gè)卷積核提取的特征圖。本文采用均方誤差作為損失函數(shù)，Lcontent表示白噪聲圖像與內(nèi)容圖像在同一個(gè)卷積層濾波器提取到特征圖像的差距。因此，內(nèi)容圖像的損失函數(shù)如式（1）所示：

1.2 風(fēng)格圖像的損失

文獻(xiàn)［8］使用Gram 矩陣提取圖像的紋理信息。Gram 矩陣的值表示兩個(gè)特征映射的內(nèi)積，值的大小反映兩個(gè)特征相關(guān)性的大小。因此，Gram 矩陣的值可以表示兩張圖像的風(fēng)格是否相似。表 示 第l層第i個(gè)特征與第j個(gè)特征映射的內(nèi)積。特征相關(guān)性計(jì)算如式（2）所示：

均方誤差計(jì)算風(fēng)格圖像與白噪聲圖像Gram 矩陣的差異如式（3）所示：

其中：Gl和Al分別表示風(fēng)格圖像和白噪聲圖像在l層的Gram 矩陣；wl為每層風(fēng)格損失權(quán)重。損失函數(shù)如式（4）所示：

風(fēng)格損失函數(shù)使用梯度進(jìn)行優(yōu)化，如式（5）所示：

2 基于邊緣檢測的圖像風(fēng)格轉(zhuǎn)換

2.1 算法改進(jìn)

文獻(xiàn)［8］使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像風(fēng)格轉(zhuǎn)換，結(jié)果圖像由內(nèi)容圖像和風(fēng)格圖像共同作用。與原內(nèi)容圖像相比，結(jié)果圖像存在線條扭曲現(xiàn)象。內(nèi)容圖像的特征只選了conv4_2 層，而風(fēng)格圖像的特征選取conv1_1、conv2_1、conv3_1、conv4_1、conv5_1 層。在卷積神經(jīng)網(wǎng)絡(luò)中高層特征是理解圖像整體信息，低層特征是理解圖像的邊緣細(xì)節(jié)信息，因此，生成圖像的邊緣細(xì)節(jié)信息主要由風(fēng)格特征提供。文獻(xiàn)［8］在進(jìn)行圖像風(fēng)格轉(zhuǎn)換時(shí)，將內(nèi)容和風(fēng)格特征共同作用在結(jié)果圖像上，因此，沒有關(guān)注到內(nèi)容圖像的邊緣結(jié)構(gòu)信息，使得生成圖像發(fā)生扭曲現(xiàn)象。為了減少扭曲，提高圖像的生成質(zhì)量，本文使用Sobel 濾波器提取內(nèi)容圖像的邊緣信息，進(jìn)而約束生成圖像的邊緣以提高生成圖像的質(zhì)量。

Sobel［21-22］是一階的邊緣檢測算法，使用卷積核Gx和Gy分別在圖像x和y方向上進(jìn)行卷積，將x和y方向計(jì)算出的結(jié)果進(jìn)行代數(shù)加權(quán)得到整個(gè)圖像的邊緣結(jié)果，如式（6）所示：

在使用Sobel 濾波器提取特征時(shí)，如果直接計(jì)算輸入內(nèi)容圖像p→與生成圖像x→的邊緣檢測信息的均方誤差損失，則在反向傳播時(shí)梯度為0。因此，本文重新定義Sobel 濾波器的使用位置，不在內(nèi)容圖像和生成圖像上進(jìn)行計(jì)算，而是選取內(nèi)容圖像和對應(yīng)結(jié)果圖像在相同的卷積層上進(jìn)行Sobel 濾波器的特征提取，即在特征圖上進(jìn)行Sobel 濾波器的邊緣檢測。如果在特征圖中每個(gè)通道上都進(jìn)行Sobel 濾波器的邊緣檢測將會(huì)消耗大量時(shí)間。由于VGG 特征圖中的通道數(shù)分別是64、128、256、512、512，Sobel 選取的層是conv1_1、conv2_1、conv3_1、conv4_1 層，因此如果選取循環(huán)計(jì)算就是960 次，這樣會(huì)消耗大量的時(shí)間。為了加速計(jì)算，本文利用深度卷積方法在對應(yīng)的卷積層上一次性計(jì)算出所有通道Sobel 濾波器提取到的邊緣信息。

本文使用均方誤差作為邊緣損失函數(shù)。LSobel表示白噪聲圖像與內(nèi)容圖像在同一個(gè)卷積層濾波器提取的邊緣信息差距。Slij表示第l層第i組卷積核第j個(gè)Sobel 濾波器提取的邊緣信息。邊緣損失函數(shù)如式（7）所示：

2.2 算法流程

新的損失函數(shù)如式（8）所示：

輸入圖像為內(nèi)容圖像、風(fēng)格圖像，輸出圖像是白噪聲圖像。內(nèi)容圖像的特征選取conv4_2 層，風(fēng)格圖像的特征選取conv1_1、conv2_1、conv3_1、conv4_1、conv5_1 層，Sobel特征選取conv1_1、conv2_1、conv3_1、conv4_1 層。每層之間的權(quán)重均為1。根據(jù)實(shí)驗(yàn)調(diào)參，本文選取的參數(shù)如下：內(nèi)容圖像權(quán)重α為1；風(fēng)格圖像權(quán)重β為500；Sobel 權(quán)重γ為0.1；迭代次數(shù)為400 次。

本文利用梯度下降法對一張白噪聲圖像進(jìn)行不斷迭代優(yōu)化，并用擬牛頓法（L-BFGS）［23］進(jìn)行優(yōu)化。擬牛頓法是二階優(yōu)化算法能夠快速得到收斂結(jié)果。

基于Sobel 濾波器的圖像風(fēng)格轉(zhuǎn)換對輸入各種內(nèi)容和風(fēng)格圖像進(jìn)行實(shí)驗(yàn)。在風(fēng)格轉(zhuǎn)換時(shí)，本文算法在加入內(nèi)容圖像和輸出圖像的邊緣損失后提高了圖像的質(zhì)量，減少線條的扭曲，圖像視覺效果更佳。本文算法流程如圖1 所示。

圖1 本文算法流程Fig.1 Procedure of the proposed algorithm

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)使用Tensorflow 框架搭建網(wǎng)絡(luò)模型，實(shí)驗(yàn)硬件平臺(tái)使用阿里云天池實(shí)驗(yàn)室，Intel Xeon E5-2682 v4 CPU 主頻2.5 GHz，NVIDIA Tesla P100 16 GB 的GPU。

3.2 實(shí)驗(yàn)結(jié)果與分析

不同算法的實(shí)驗(yàn)結(jié)果對比如圖2～圖4 所示。從圖2（c）和圖2（d）可以看出，本文算法能夠更好地保留窗體的線條，并區(qū)分出每個(gè)窗口，房屋輪廓也更加清晰，而文獻(xiàn)［8］算法的實(shí)驗(yàn)結(jié)果中不能區(qū)分每個(gè)窗口，房屋結(jié)構(gòu)也扭曲在一起。因此，本文算法不僅能夠保留內(nèi)容圖像的結(jié)構(gòu)，而且輸出圖像的質(zhì)量更高。從圖3（c）和圖3（d）可以看出，與文獻(xiàn)［8］算法相比，本文算法的結(jié)果圖像眼睛與內(nèi)容圖像中的眼睛一樣，在右眼下沒有很深的線條。因此，本文算法提取的結(jié)果圖像更符合真實(shí)的人像。

圖2 不同算法的實(shí)驗(yàn)結(jié)果對比1Fig.2 Experimental results comparison 1 among different algorithms

圖3 不同算法的實(shí)驗(yàn)結(jié)果對比2Fig.3 Experimental results comparison 2 among different algorithms

從圖4 可以看出，與文獻(xiàn)［8］算法相比，本文算法保留了圖像的結(jié)構(gòu)信息，在結(jié)果圖像上沒有線條的扭曲，生成的圖像質(zhì)量更高。

圖4 不同算法的實(shí)驗(yàn)結(jié)果對比3Fig.4 Experimental results comparison 3 among different algorithms

4 結(jié)束語

本文提出一種基于邊緣檢測的圖像風(fēng)格轉(zhuǎn)換算法，利用Sobel 濾波器提取內(nèi)容圖像和生成圖像的邊緣特征，并計(jì)算兩者差值作為新的損失。實(shí)驗(yàn)結(jié)果表明，該算法能夠減少圖像線條扭曲并提高圖像生成質(zhì)量。由于生成對抗網(wǎng)絡(luò)可以快速生成高質(zhì)量圖像，因此后續(xù)將優(yōu)化生成對抗網(wǎng)絡(luò)的損失函數(shù)，進(jìn)一步加快高質(zhì)量風(fēng)格轉(zhuǎn)換圖像的速度。