近年来,深度学习技术备受关注,尤其是在计算机视觉多媒体领域,其研究成果更是突出。其中,与传统的数学建模方法相比,对素描画、山水画、油画、铅笔画、粉笔画、烙画等风格画模拟与仿真效果,利用深度学习的技术获得的仿真效果可以更加突出。利用传统的数学建模方法,对具有某种特定风格的艺术作品进行仿真模拟,其针对性太强,无法对规模巨大的自然图像进行泛化性处理。然而,利用深度学习技术实现非真实感绘制,可以实现对任意的自然图像进行任意的风格化处理,从而实现对任意的图画艺术作品风格的仿真模拟。本文采用深度学习的方法,利用卷积神经网络模型,针对当前葫芦烙画仿真模拟方法泛化性受限的问题,提出了一种基于深度卷积神经网络的艺术风格迁移的模拟方法。本文提出的烙画风格仿真模拟方法,主要分为三个不同的阶段,各个阶段分别利用不同的数据集训练不同的神经网络模型,并使用各个阶段已训练完成的模型处理各个阶段的目标图像。其具体的模拟过程为,分别对目标图像进行图像语义分割、艺术风格迁移和图像变形融合,最终将相机等拍摄设备拍的普通照片转化成一种拥有烙画艺术风格的模拟葫芦烙画。通过对实验结果的对比分析,可以发现生成的葫芦烙画的色调和纹理信息都与真实的葫芦烙画极为相近,其实际效果非常突出,具有一定程度的艺术可观赏性。因此,本文所提的模拟方法可以将普通的自然照片转换成相应的具有良好艺术效果的葫芦烙画,最终完成葫芦烙画的艺术风格迁移与模拟任务。