中国画有着悠久的历史,是我国重要的文化遗产之一。但是,创作中国画通常需要经过多年的专业培训,想要绘制出一幅令人满意的中国画并非易事。水墨画作为中国画的代表,如何创造出水墨画风格图像,是计算机科学在艺术领域中具有挑战性的课题之一。给定样例图像并根据其风格生成具有水墨画特征的图像,将计算机技术与中国传统文化相结合,不仅有利于填补传统神经网络风格迁移算法在转移水墨画风格时的不足之处,更能传承民族文化,这有着很强的现实意义和研究价值。本文对水墨画的生成进行了研究,提出了一种基于样例的中国水墨画神经网络风格迁移改进算法,即给出一个指定的中国水墨画样例图像,并将该样例图像中的风格特征传递给内容图像,生成具有同类风格的水墨画图像,达到风格迁移效果。该算法结合水墨画独有特征,综合考虑了水墨扩散、宣纸泛黄和空间留白等特性,使生成结果更具有水墨画风格。本文完成的研究内容和贡献如下:1.总结了水墨画样例图像的独有特征,并研究了传统神经网络风格迁移技术相关的算法原理和设计实现,分析指出了传统神经网络风格迁移算法在生成水墨风格结果时存在的问题和待改进的方向。然后使用边缘检测HED算法获得内容图像多尺度多层级下的边缘预测结果,并结合水墨画特征,提出了获取图像边缘线条为目的的笔触融合方法和获取图像抽象骨架为目的的抽象融合方法。2.针对传统神经网络风格迁移算法不能很好地表达水墨画的笔触和水墨扩散特征问题,本文先对已得到的笔触融合图像进行高斯模糊和图像膨胀处理,使边缘线条产生类似水墨扩散效果的模糊感,以模拟水墨扩散效果。3.针对传统神经网络风格迁移算法不能表达水墨画的泛黄特征问题,本文引入了泛黄损失,使生成的结果图在色调上与水墨风格图保持一致,以模拟宣纸泛黄效果。4.针对传统神经网络风格迁移算法不能很好地表达水墨画的空间留白特征问题,本文先对已得到的抽象融合图像进行泛黄处理,然后在迭代训练时与中间结果图进行适当融合,加深或削弱部分图像区域,以模拟空间留白效果。5.使用多种水墨画体裁类型的样例图像进行了实验,并从视觉质量、用户调研和消融实验三个方面进行了对比分析,验证了本文改进算法的有效性。实验结果表明,相较于传统风格迁移算法,本文算法能够较好的表达出水墨画的水墨扩散、宣纸泛黄和空间留白等特征,能够生成更接近样例图像风格的水墨画。