产生创意是设计过程的核心,有效的创意激发方法对于创新设计至关重要。然而,激发创造力在设计中往往是一个抽象的、充满不确定性的环节。在大数据时代,设计领域中大量有创意激发潜质的图像数据仍在沉睡,并未对设计人员灵感的产生提供力量。目前,深度学习技术在大规模图像检索、视频分析以及图像生成等领域取得了优越的性能。因此,利用深度学习技术,建立大规模图像素材与设计创意激发之间的联系,能够为创新设计带来广泛的机会。本研究旨在提出在图像数据急剧增加的背景下,针对设计人员的创意激发理论方法,充分利用设计过程数据,结合深度学习技术,有效解决当前图像素材使用不恰当、挖掘不深入导致的创意激发力弱等问题,引导创新设计以及智能设计过程。首先,挖掘设计全过程中图像素材创意激发的机会点。不断分解设计过程,并利用定性与定量相结合的评价方法,对比设计人员在不同设计阶段的表现与成果。得出在完整的设计过程中,概念草图设计阶段的思维收敛初期是施加图像刺激的最佳阶段,即对图像素材有较好的吸收、转化效果,且不产生负面影响的设计阶段。同时,建立了针对设计草图的创意性评价体系。其次,进一步研究设计人员在改进设计作品时的图像选择行为,分析设计人员主观选择结果与眼动信号表现的联系与区别。利用二者既联系紧密又互为补充的特点,评价图像素材的创意激发力,建立图像素材创意激发力评价模型,完成对海量图像素材的创意激发力标注。最后,使用卷积神经网络（CNN）提取图片特征,使用典型相关性分析（CCA）建立输入的待检索图片与输出的高创意激发力图片间的联系,实现对高创意激发力图像的检索。通过对检索结果的评估和反馈,不断优化深度学习模型,形成高创意激发力图像智能识别与检索机制,完成海量图像数据向对设计人员有用的高创意激发力图片的转化。本研究所提出的基于深度学习技术的图像素材创意激发理论方法,有效结合了设计人员的设计思维与人工智能技术,显著加速创新设计过程,为提升设计思维提供新途径,为智能设计的发展提供新思路。