基于Python的卡通人物形象生成方法研究与实现开题报告

全文总字数：4015字

1. 研究目的与意义（文献综述）

如今，卡通动漫人物形象已经成为了现代艺术中必不可少的一种艺术风格，它以独具特征的绘画展现效果，和更加充分体现了人物本身等优点，已经开始逐渐受到大众的认可和喜爱。再加上图像处理技术的兴起和发展，人们对于图像的研究不仅是图像识别、目标检测与跟踪等领域，而卡通漫画生成则是图像处理领域中一项极具趣味性的研究。由于它独特的表达方式和多样化的风格，卡通漫画逐渐受到人们的喜爱。在卡通漫画的影响下，企业开始使用卡通风格的人物或者动物等作为形象代言，人们会为自己的社交账号专门设计个性化的卡通头像。但是传统意义的卡通头像一般采用手绘的方式获取，需要花费大量时间进行构图、描边、上色等步骤，价格也相当昂贵，这种方法虽然能够获得最精细自然的卡通头像，但并不适用于如今科技快速发展的时代。

此外，在现有的一些方法中，采用的处理图像的方法通常比较复杂，并且可以得到的图像合成痕迹明显，效果单一，不够满足人们的众多需求。而风格迁移作为一个热门并有趣的研究方向，它随着计算机图形学的不断发展和新兴技术的出现，这门技术得到了不断的发展和新技术的萌芽，如今已经成为一个成熟的技术，可以更好的进行图像风格的迁移。图像风格迁移，包括三部分：风格style特征提取（一般是纹理特征），目标图像内容content提取，style content合成新的图片。一般是对输入图像,可以采用多种算法将其转换为其他图像的风格,转换前后的图像风格大不相同,但保持原图像内容不变的一种手段。

然后，python作为如今最热门的高级语言之一，可以运用到：web 和 internet开发；科学计算和统计；人工智能；桌面界面开发；软件开发；后端开发。并且因为python在设计上坚持了清晰划一的风格，这使得python成为一门易读、易维护，并且被大量用户所欢迎的、用途广泛的语言。因为python的众多优点和简单明确的风格，采用python语言来进行项目开发已经当前大多数人的选择。

2. 研究的基本内容与方案

2.1、研究的基本内容和目标：

近年来，生成对抗网络在图像生成和转换领域取得了重大突破，但是研究人的形象到卡通图像转换工作仍然较少，因此，本文主要利用生成对抗网络来实现人物卡通形象的生成。现有的方法可以根据数据是否成对大致分为两类，因为对于生成对抗网络而言，面对成对的数据集和不成对的数据集，网络有不同的约束方式，因此网络构建的方式也有所不同。在已有的方法基础上进行改进，并应用到人物卡通形象的生成任务当中，尽可能使生成的图像更加贴近真实。

在基于python的卡通人物形象生成方法的研究的方向上，构建一个方便用户使用的平台，方便用户将自己需要转换的照片进行上传，采用风格迁移的方法，尽可能的保持原有照片的内容信息，并最大限度的提取照片的风格纹理，将照片中的人物转变成动漫卡通人物形象，最后成功的输出转换后的照片给用户。

3. 研究计划与安排

1）第1周至第3周 ：确定选题，查阅文献，进行外文翻译，撰写开题报告。

2）第4周至第6周 ：理解毕业设计要求，收集、整理、分析有关资料，熟悉编程语言，配置软件环境。

3）第7周至第8周 ：系统总体设计、数据库设计。

4. 参考文献（12篇以上）

【1】a. radford, l. metz, s. chintala. unsupervised representationlearning with deep convolutional

generative adversarialnetworks[j].2015.

【2】p. upchurch, j. gardner, g. pleiss, et al. deep featureinterpolation for image content