图像异质生成是计算机图像图形学领域具有挑战性的课题之一。本文研究场景线稿到一类动漫效果的异质生成问题,即用户输入场景线稿,算法生成着色合理、内容一致的动漫图像。再进行应用模式拓展,实现多类型场景图像经由线稿提取到动漫效果的转换,为后续在幼儿教育、插画制作等领域的应用提供更多可能性。本文主要工作如下:（1）提出一种基于GAN的场景线稿到动漫效果自动上色（Anime Effect Automatic Colorization,AEAC）的图像异质生成算法。算法改进和增强了U-Net生成器结构,设计了双层信息抽取的生成器网络（DIEU-Net）。DIEU-Net设计了用于抽取场景线稿浅层显著信息的双卷积子模块（IESS）和双层IESS的残差集成模块,增强网络在与线稿关联的颜色、位置等重要特征的全域学习能力,缓和网络加深带来的梯度消失等网络退化问题;同时采用“卷积+上采样”操作替换U-Net生成器中原有的反卷积操作,抑制生成结果中棋盘效应的发生。实验结果表明,与其他算法相比,AEAC算法上色效果更合理、自然。（2）提出了一种面向多类型图像线稿提取的、增强稠密感知的边缘检测算法Edexi Ned。考虑到上述上色网络以场景线稿输入作为交互方式,线稿需用线条刻画语义对象的轮廓、纹路特征,以往的边缘检测算法对纹路特征的刻画不适用于场景线稿自动上色问题。Edexi Ned引入了混合空洞卷积,通过设置不同的扩张率来利用多尺度信息,并在上采样网络引入了多层的残差连接,增强了全域网络的细粒度学习能力。算法能够较好地提取输入图像的线条特征,输出线条层次丰富的线稿图,为本文上色网络的应用模式拓展提供了技术基础。（3）拓展了本文动漫上色算法的应用模式,可实现多类型场景图像经由线稿提取到动漫效果的异质生成过程。本文将Edexi Ned边缘检测算法作为线稿的提取方法,提取多类型场景图像的线稿图输入至上色算法生成动漫效果。实验结果表明,本文的应用模式有较好的生成效果与灵活性,可实现多画种（中国山水画、风景素描、油画）、摄影作品到动漫效果的异质生成过程。随着人工智能慢慢地融入生活,动漫上色的异质生成算法可以被应用于绘画、插图、幼儿教育等方面,具有一定的应用前景和应用价值。