近年来,人工智能算法逐渐应用于图像生成领域,同时大熊猫文化具有无法替代的美学价值和生态多样性内涵。若能结合卡通图像生成技术完成熊猫卡通图像的生成,则能大大降低创作成本,更利于大熊猫文化的传播与发展。当前照片卡通化算法存在以下问题:生成结果中边缘线条不够平滑清晰,前后景边缘不具有差异性,全局卡通化处理无法突出人们感兴趣的前景区域。本文针对以上问题进行研究并做出改进,可以从真实熊猫照片有效地生成边缘清晰、主体简洁突出、具有明显卡通特征的高质量熊猫图像。具体研究内容与工作如下:针对现有的卡通化算法在边缘线条处理上存在的问题,本文设计并使用了两种有效的数据预处理方法。除了使用数据增强的方法合理扩充数据,还使用精确的分割方法提高了熊猫照片分割的精细程度,制作了高质量的熊猫数据集;另外提出对熊猫照片做边缘增强处理,结合分割得到的蒙版,良好地提高促进了前景边缘信息的表达;背景边缘线条的生成利用了卡通数据集的模糊处理方法,取得了比现有算法更具艺术感的卡通化效果。针对现有卡通化算法无法突出前景的问题,本文设计了前后景分离的照片卡通化模型。本文模型基于生成对抗网络,包括生成器和判别器,其中,生成器包含两个并行的网络分支,分别用于生成注意力在前景的卡通图像、注意力在后景的卡通图像,之后借助分割网络生成的蒙版,结合图像融合算法,完成前后景的融合,引导前后景差异化的学习,生成完整卡通图像。这样的处理使得前后景纹理细节具备一定区分度,画面主体突出。本文根据生成器具有两个分支的结构特点,对损失函数进行了重新设计。损失函数由三个部分组成,分别是:内容损失函数、前景重建损失函数以及对抗损失函数。不同于以往卡通化算法的损失,本文内容损失函数包括前景内容损失和后景内容损失,使得照片前后景的语义信息都能够得到完整充分的表达;前景重建损失函数解决了前景和后景网络无法平衡收敛的问题;对抗损失函数起到促进生成样本接近真实卡通样本特点的作用。最终本文设计并实现了一个依托于熊猫素材存储管理平台的卡通图像生成系统,该系统主要功能模块的实现基于本文的研究成果,实现了图像检索、图像分割、卡通化等模块,从实际应用层面验证和肯定了本文算法的可行性,以及研究价值、应用价值。