一、选题目的与背景 最近卷积神经网络在风格化迁移方面应用的成功极大地刺激了这个课题的研究兴趣。

利用深度神经网络模型可以学习绘画的不同风格并产生类似风格的图像输出，这个模型能辨识图像风格和图像内容并将它们融合。

Gatys发现纹理能够描述一个图像的风格。

严格来说纹理只是图片风格的一部分，但是不仔细研究纹理和风格之间的区别的话，乍一看给人感觉还真差不多，这引发了以图像处理的方式实现艺术风格的迁移。

随着新平台的出现，如Snapchat和Instagram为公众提供了艺术技术的便捷渠道，这个问题与科学界的关系变得更加密切。

随着降低计算学习开销以及运行时间的动机，在纯图像处理方面，已有后续工作来捕获机器学习过程的风格和内容的区别。

本课题希望利用图像处理技术实现这种艺术风格的迁移。

即设计一种图像滤波器将一幅绘画的风格迁移到另一幅图像上。

这种图像处理技术相较于基于CNN风格化的优势是一次能处理多幅图像，没有CNN那么耗时。

我们使用了一个新颖的”风格融合”概念，指导算法遵循更广泛的风格结构，同时给予它自由地在较小的范围内做出自己的艺术决定。