非真实感绘制自上世纪90年代被提出以来,一直着力于对不同艺术风格的模拟,力求表现与真实照片不同而具有手工绘制艺术的风格,成为图形学的研究热点。研究人员已利用计算机图像图形技术成功模拟了油画、铅笔画、抽象画、粉笔画等艺术风格作品,其成果也被广泛地运用于广告宣传、网络教育、文化产业等领域。随着研究的不断深入以及应用领域的不断扩展,针对中国民族特色艺术作品的数字模拟和绘制方法也逐渐被提出。目前山水画、书法、烙画等中国民族特色艺术作品都已成功被模拟,然而对刺绣艺术风格的模拟却并不多见。刺绣作为中华文明史上的一颗耀眼明珠与瑰宝,它以针引线,按照设计在布匹织物上进行穿刺编织,组织成丰富的图案与色彩。目前针对刺绣艺术风格的数字模拟大多采用了数学建模的传统方法。依靠数学模型以建立刺绣的针法库,分步处理图像中各个区域,最后将针法与颜色传输到目标图像。但其通用泛化能力不强、模拟的线条缺少立体感,与真实刺绣的针迹特点和艺术美感相距甚远。随着深度学习与卷积神经网络在图像识别、分类、语义分割等问题上展现出强大的特征提取能力与迁移学习的能力,本文提出了一种基于深度学习与卷积神经网络的算法,成功提取了刺绣艺术风格特征,并将刺绣艺术风格传输到目标图像。利用图像语义分割网络及刺绣艺术风格数字合成网络,分别对目标内容图像与刺绣艺术风格图像进行目标识别提取和刺绣艺术风格数字合成,本文的主要工作如下:首先,输入目标内容图像与刺绣艺术风格图像,采用基于条件随机场与高阶势能的图像语义分割分别将目标内容图与刺绣艺术风格图的前景与背景分离,并进行二值化处理以形成掩模图像。其次,将目标内容图与刺绣艺术风格图的RGB颜色空间转换为YIQ;再次,参照掩模图像使用VGG19网络模型提取目标内容图的内容特征及刺绣艺术风格图的风格纹理特征,进行目标区域内的刺绣艺术风格合成获得拥有刺绣艺术风格的前景图像。最后利用图像融合将拥有刺绣艺术风格的前景图像与刺绣织物背景图像融合生成完整的刺绣艺术风格数字作品。实验结果表明,基于卷积神经网络,通过使用图像语义分割与刺绣艺术风格数字合成相结合的方法,能有效提取刺绣的特征,模拟出色彩艳丽、立体感强的刺绣艺术风格图像,更好地模拟了真实刺绣艺术作品的线条方向,突出了线条立体感,具有较强的泛化能力,是非真实感绘制领域的有效补充,为刺绣数字化保护与传承奠定了基础。