随着人们审美愈加多元化,像素画凭借着其独特的艺术价值和艺术形态为越来越多的人们所喜爱,在游戏、广告、手机应用等多个领域,都可以见到它的身影。在计算机视觉领域,风格迁移一直是一个热门话题,现有的关于不同风格图像之间的彼此转换的研究有很多。但是像素图像风格迁移仍然存在难点和挑战:像素图像通常具有清晰的轮廓、明亮的色彩和独特的锯齿状边缘,而现有的迁移算法对图像轮廓等细节保留得不充分,生成的像素图像也不具有明亮的色彩特征和锯齿状的线条特征。因此,像素画生成算法仍然需要改善和创新。本文基于Cycle GAN（Cycle-Consistent Adversarial Networks）的网络架构来研究像素图像的风格迁移,主要的工作内容如下:（1）基于Cycle GAN的像素画风格迁移方法研究:提出了一种基于Cycle GAN的像素图像风格迁移网络PIGAN（Pixel-image migration Generative Adversarial Networks,PIGAN）。该网络辅助了图像迁移过程中,图像边缘、轮廓和图像中的线性结构等细节信息的充分保留。本文在PIGAN的生成器中引入了多尺度的skip connection,使用改进的嵌套式的U-Net（Nested U-Net）结构替代了原有的深度卷积残差网络。该网络能辅助图像上采样过程,实现输入与输出之间的低级特征复用,帮助生成像素图像中的轮廓细节。另外,本文还重新设计了网络所需的损失函数,在对抗损失和循环一致损失的基础上引入了特征损失和拓扑感知损失。其中拓扑感知损失是从预训练的VGG16（Visual Geometry Group Network）网络的特定层中提取的特征图并计算这些特征图的欧式距离得到的。最后通过实验证明了本文设计的联合损失函数可以辅助在风格迁移过程中图像的线性结构的保留以及PIGAN在像素图像生成中的有效性。（2）基于双判别器的像素艺术风格增强研究:针对艺术风格增强的问题提出了一种包含双判别器的网络模型DPIGAN（PIGAN with Double discriminator）,实现了像素图像颜色特征和纹理特征的增强。本文从像素图像的纹理特征和颜色特征两个方面出发,使用高斯模糊算子对数据集进行处理,并生成艺术风格不明显的低质量的像素图像集用于判别器的训练。本文利用纹理判别器和颜色判别器分工合作,分别对纹理特征和颜色特征进行区分,在对抗博弈的过程中激励生成器生成更清晰的锯齿状轮廓以及充分保留原始图像中的色彩信息。并在PIGAN中损失函数的基础上针对两种判别器分别提出对应的纹理对抗损失和颜色对抗损失。实验结果表明该方法能够生成具有像素艺术风格的高质量像素图像。（3）像素风格迁移系统的设计与实现:设计并实现了一个基于DPIGAN的像素图像风格迁移系统,用户可以使用该系统进行非像素图像到像素图像之间的风格转换,可以输入任意内容的图像将其转化为独特的像素图像。