利用卷积神经网络实现目标图像的风格化成为学术界与工业界共同关注的一个热点。相比传统的风格迁移算法基于卷积神经网络的风格迁移算法具有速度快与风格化效果好的优势。但该算法在风格化效果方面仍由不成熟之处,比如因为对笔触尺寸的控制不够灵活而导致生成的纹理笔触与原始风格图像相差甚远。针对这一问题已有大量研究,现有解决方法的算法原理主要分两种:基于控制网络感受野和基于控制粗糙至精细的图像细化过程,这两种算法分别适用于非高清与高清图像。扩张卷积被证明可以在灵活控制感受野同时不降低图像的分辨率,在目标识别、图像分类、超分辨重建等领域得到了成功的应用。因此,本文在现有的笔触尺寸可控风格迁移算法的研究基础上探索了利用扩张卷积进行笔触尺寸控制的方法,实现了非高清与高清图像均适用的笔触可控风格迁移算法。并且针对风格迁移设计并实现了应用程序,提升了此项技术的实用性。本文研究成果体现如下:1、提出一种新的笔触可控风格迁移算法,该算法能有效地生成具有不同尺度纹理和高质量的风格化图像。笔触尺寸控制的范围通过设置扩张卷积的扩张率参数来调节。当纹理过大而不能用以前的方法捕获时,本文的方法可以通过增加膨胀率来捕获。2、提出了扩张卷积参数的设置策略,在不盲目调整参数的情况下,生成理想的笔画尺寸。该方法通过改变扩张卷积的参数来实现对笔画大小的调整,比以往的算法更加方便灵活。3、设计并实现了风格迁移桌面应用程序,简洁直观图形化界面与合理的操作逻辑扩展了风格迁移技术的应用范围。