随着社会与科学技术的发展,摄影、拍照成为了人们记录生活的一种方式,并且人们开始追求各种各样的照片风格效果。20世纪90年代,图像的非真实感绘制技术进入了人们的视线。铅笔画绘制技术是非真实感绘制技术中的一种,可以将图像模拟出铅笔画的艺术效果。传统的铅笔画绘制算法主要是基于对笔画方向,粗细,长短和纹理的模拟,生成结果虽然具有铅笔画风格,但是生硬单一,并且缺少艺术感。近年来,卷积神经网络和生成对抗网络在图像处理方向取得了快速地发展与应用,因此本文提出了一种基于神经网络的铅笔画绘制算法,主要研究内容如下:对非真实感绘制技术,特别是铅笔画绘制技术的发展现状进行了研究,包括传统铅笔画绘制算法的原理,优缺点等,并提出一种改进算法。对卷积神经网络和生成对抗的发展状况和在图像处理方面的应用做了详细研究。提出了一种基于卷积神经网络生成铅笔画的方法,使用分数阶微分提取原始图像的轮廓信息,卷积神经网络提取不同艺术家手绘铅笔画的特征图,设计了网络的总损失函数,并使用L-BFGS约束优化算法来合成具有铅笔画风格图像,实验结果表明该方法能够保留原始图像更多的细节信息,并解决传统铅笔画算法生成结果只有一种艺术风格的缺点。提出了一种用于解决传统铅笔画绘制算法生成结果线条生硬单一,缺少艺术感的生成对抗式网络模型,设计了两组生成对抗网络,第一组生成网络用于生成具有铅笔画风格的图像,判别网络用于学习艺术家真实手绘铅笔画的特征,第二组生成对抗网络利用循环一致性原理保留原始图像的结构信息,并且改进了距离偏差,加入了细节控制损失,实验结果表明该方法能够生成更有艺术感的铅笔画图像,并且更好的保留原始图像的结构信息。