蜡染是一项中国民间的传统艺术,作为国家级非物质文化遗产,具有极高的艺术价值和文化内涵。使用计算机技术对蜡染特有的冰纹图案进行仿真,有利于设计者快速获得蜡染风格图案,有助于蜡染文化的传播和发扬。生成式对抗网络(GAN)是近年来飞速发展的一种神经网络结构,具有比普通神经网络更优异的性能,被广泛运用于图像生成等领域。使用生成式对抗网络进行蜡染冰纹图案的仿真研究,具有一定的可行性。本文使用自建蜡染数据集对几种代表性神经网络模型SRCNN-Ex/FSRCNN、U-Net、pix2pix/Cycle GAN、Deblur GAN进行了训练和测试,并在分析权衡后选择Deblur GAN的生成器进行了针对性的改进。改进包括:替换转置卷积为缩放卷积、添加三层空洞卷积、将对抗损失函数由WGAN-GP替换为Ra LSGAN、在损失函数中加入L1损失。改进后的网络模型取得了良好的蜡染冰纹仿真效果,并被命名为Batik-DG。本文还将Inception-Res Net-v2、ESRGAN中的改进型残差模块(模块A、嵌套密集残差块)应用于Batik-DG中,以探究其对于提升蜡染冰纹质量的作用。由此所得的网络模型被命名为Batik-IR、Batik-ES。本文最后探究了网络模型的小型化问题——借鉴Moblie Net-v1、Mobile Netv2中深度可分离卷积、线性瓶颈与倒残差块等研究成果,对Batik-DG、Batik-IR和Batik-ES进行了小型化的尝试,在兼顾蜡染冰纹仿真效果的同时实现了网络参数的精简和运行速度的提升。