图像的非真实感渲染是计算机图形学领域的一个重要研究方向,其具体的含义是指利用计算机来模拟各种视觉艺术的风格,从而绘制出带有艺术风格的图像。卡通风格也是一种图像艺术风格,伴随着近年来新媒体艺术的兴起和社交网络的流行,大众对于个性化卡通风格图像的需求日益增长,对于图像卡通风格渲染算法的研究具有重要的意义。图像卡通风格渲染是一项具有挑战性的图像非真实感渲染任务,其目的是将真实照片转换为卡通风格的非真实感图像,同时保持原照片的语义内容和纹理细节。一般的卡通风格图像具备以下的特点:图中线条都经过针对性的简化和增强,并且非常平滑和请清晰;图中区域的色块非常平滑;图中语义内容与自然图片有强的对应关系。这与自然图片或者其他艺术风格的图片有着本质上的区别。现有的实现图像卡通风格渲染的方法主要分成基于图像处理的方法和基于深度神经网络的方法两大类。利用传统图像处理技术的方法只能处理纹理内容简单的图片,因为这些方法本质上是图像滤波和边缘增强的结合,效果受图像内容的影响很大,泛化能力较差。另外一些基于深度神经网络（DNNs）的方法通常难以在转换图像全局风格和保持图像局部的细节语义内容之间取得良好的平衡,常常导致风格化程度不足或者丢失图像中的语义细节,产生大量的人工痕迹（Artifacts）。本文基于对卡通图像本身特点的理解,结合对现有方法的缺陷的分析,提出了新的基于深度学习的图像卡通风格渲染解决方案,实现将任意的输入自然图片渲染为卡通风格的图片。本文的方法分成以下三个处理阶段:首先对自然图片进行前处理,然后通过图像风格迁移技术将处理过的图像转换为卡通风格图像,最后对得到的卡通风格图像进行后处理以增强效果。对自然图像的前处理主要包括图像增强和图像滤波操作,其目的是为了改变图像的分布以提升图像质量,使其更适合于后续的风格转换。在图像风格转换部分,本文提出了一种新的基于深度学习的图像卡通风格渲染网络,由图像特征建模模块,特征模型对齐模块和图像重渲染模块三个子网络组成,利用对抗训练策略辅助训练。在卡通图象后处理部分,本文采用相干性线稿绘制技术提取自然图像的边缘信息,然后根据边缘信息对卡通风格渲染的结果图进行边缘增强。本文自建了一个用于训练卡通风格渲染网络的数据集,共包含100,000张自然图片和145,000高质量地卡通图片。同时,本文进行了充分的实验,对本文提出的方法与现有其他方法的处理结果进行了充分的对比,同时展示了大量的高质量卡通风格渲染结果图,实验结果验证了本文中提出的方法的优秀性能。