基于卷积神经网络和语义分割的苗族刺绣风格数字模拟谭永前，曾凡菊*①（凯里学院，贵州凯里556011）摘要：传统神经网络算法在对苗族刺绣图像风格模拟过程中，存在模拟图像边缘轮廓模糊，生成的风格化模拟图像纹理细节缺乏立体感、线条扭曲以及模拟效果图的前景和背景层次不清等问题.本文提出了一种基于卷积神经网络和语义分割的苗族刺绣风格数字模拟算法：首先对内容图像和风格图像进行预处理，检测内容图像的边缘轮廓并增强，利用FCN-CRF图像语义分割算法对内容图像和苗族刺绣风格图像进行语义分割并进行标注，同时获取相应的二值化掩膜.然后把内容图像和苗族刺绣风格图像及相应掩膜输入到CNN中进行网络计算，完成苗族刺绣风格的转换，获得苗族刺绣风格初始模拟图像.最后把边缘轮廓增强图像和绣布与初始模拟图像进行融合，达到更好的效果.实验表明，改进后的方法能提高风格模拟效果图中前景图和背景图的层次感，风格模拟效果图的边缘信息清晰度得到改善，取得了比传统算法更好的风格模拟视觉效果.关键字：卷积神经网络；边缘信息；语义分割；风格化处理；苗族刺绣中图分类号：TP391文献标识码：A文章编号：1673-9329（2023）03-0064-101引言利用深度学习的神经网络转换图像风格是指将一张作品图像的风格通过相应的计算机算法转换到另一张作品图像上的技术，该技术可使内容图像既保留了原作品图像的内容信息又具有艺术作品图像的“画风”.Gatys等［1］首次开创性地把卷积神经网络（ConvolutionalNeuralNetworks，CNN）应用于图像的艺术风格迁移，取得了较传统算法更好的艺术效果.之后，基于神经网络的图像风格转换受到越来越多学者的关注，并在Gatys算法基础上提出了一些改进算法［2-4］.目前，利用基于深度学习的神经网络图像风格迁移技术已实现中国水墨画［5］、乱针绣［6］、烙画［7］和剪纸等作品的风格数字模拟，但对苗族刺绣风格的数字模拟还鲜有涉及，尤其是针对苗族刺绣风格的数字模拟研究.苗族刺绣是一门古老的技艺，是苗族人民在生活中以勤劳和智慧创造的一门艺术，其蕴含的文化内涵可折射出苗族的历史变迁过程.苗族刺绣是苗族人民辈辈相传的手工技艺，图案内容大多来源苗族人民的生活.刺绣图案（如图1）饱满、色彩鲜艳、对比强烈，体现了苗族人民纯真、古朴、大方的特点.刺绣图案内容丰富多彩，主要以花朵、飞鸟、鱼、龙和蝴蝶等为题材，每个图案都收稿日期：2023-02-27基金项目：贵州省2022年度基础研究计划（自然科学）项目（黔科合基...
