1. 研究目的与意义
近年来，由深度学习所引领的人工智能技术浪潮，开始越来越广泛地应用到社会各个领域。这其中，人工智能与艺术的交叉碰撞，不仅在相关的技术领域和艺术领域引起了高度关注，最近出现的图像艺术风格迁移算法就是重要的应用之一。
图像风格迁移算法可以解决如下问题：指定一幅输入图像a作为基础图像，也被称做内容图像；同时指定另一幅图像b作为希望得到的图像风格，算法在保证内容图像的结构的同时，将图像风格进行转换，使得最终输出的合成图像c完美结合了图像a的内容和图像b的艺术风格。
本设计将在现有的图像艺术风格转移算法基础上进行学习和修改，使其符合本设计的应用要求，并将算法封装成一款安卓APP应用，用户可以在手机上打开并体验。
2. 课题关键问题和重难点
理解现有图像迁移算法的内在逻辑以及推导过程是首要的第一个难点，算法是软件最终能否按照预期效果运行的关键，也是整个课题开始的第一步。较快、较好的掌握算法的逻辑需要以大量高等数学、线性代数知识为基础，这是此课题的难点之一。
对TensorFlow以及Android Studio这两个平台操作的熟练掌握也是本课题的关键点。在理解算法的前提下，需要通过这两个平台利用计算机语言将数学公式转换成代码，最终实现课题的设计预期。较熟练的使用这两个平台能高效的完成课题，并显著提升最终效果。
本课题所涉及的领域属于新兴领域，国内学者对此的相关研究较少，在实现过程中需要查阅大量外文资料。对外文资料的收集和理解也属于本课题的难点之一。
3. 国内外研究现状（文献综述）
图像迁移是计算机视觉研究的重要研究领域之一。它是一种将内容图像和风格合成在一起以形成程式化图像的技术。自该概念提出以来，国内外许多学者以及企业对其进行了大量的研究。本人通过互联网查找资料，以及中国知网、万方数据库等平台，了解和总结了有关机器学习中图像迁移领域主要观点以及相关研究。下面是现在主要的研究状况概述：
Gatys等人在2016年提出了风格迁移的概念并进行了相关的成果展示，他们产生了非常令人兴奋的结果，引起了学术界和工业界的关注。卷积神经网络是风格迁移背后的关键，其中在机器学习领域中有多种体系结构可以实现图像迁移的效果。在Gatys的论文之后，人们进行了大量的研究，并发表了一些研究论文。并由此开启了一个新的研究领域。
在学界提出相关概念之后，工业界也在此领域投入大量的研究和研发。如Prisma, Deepart, Pikazoapp等这些应用程序使用卷积神经网络算法来实现将用户输入的图像艺术风格化的效果。Prisma照片编辑器拥有超过250个现代艺术滤镜和1.1亿用户。这些软件帮助用户通过著名艺术家的风格滤镜将他们的图像转换成艺术作品。
4. 研究方案
第一步：根据设计要求完成对开发环境的搭建，包括TensorFlow平台、Android Studio平台以及数据集的收集。为工作的开始做好准备。
第二步：根据设计指标要求将图像艺术风格迁移算法通过TensorFlow平台转换为代码，并在计算机上进行仿真和调试，使其达到理想的精度和效果。
第三步：通过Android Studio平台完成安卓APP应用的开发，包括UI界面、接口调用以及架构的搭建。使用安卓手机进行软件的体验和调试，使其达到预期效果；
5. 工作计划
第 1 周 接受任务书，领会课题含义，按要求查找相关资料；
第 2 周 阅读相关资料，理解有关内容，积极与指导老师沟通所涉及到的相关技术难点；
第 3 周 翻译相关英文资料，了解本课题相关已有的解决方案，为自己接下来的工作制定
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
