当今中国以文化强国为理念,文化产业蓬勃创新,文化创新产品需求猛增。绘画作为文化创新产品的重要组成部分,具有高度概括性与抽象性,是一种对现实浓缩与抽象的表达形式。图像风格化技术属于计算机视觉领域,它利用计算机通过深度卷积神经网络提取风格图像的纹理特征,从而学习其艺术作品的风格。通过图像风格化可以创作出数之不尽的具备艺术价值与感染力的绘画作品。因此对图像风格化技术进行进一步的研究具有重大的研究意义和市场应用价值。目前的图像风格化技术在风格化耗时、风格损失统计、图像风格化效果评价等方面仍存在较多问题,本文基于对传统图像风格化网络模型算法的研究,采用残差网络代替VGG-19网络构建实时图像风格化网络模型,并改进解码器,使得本实时图像风格化网络模型无论在时间上还是风格化效果上都有很大提升。此外,考虑到当前对图像风格化效果客观评价方法研究的缺失,本文通过构建风格化损失评估网络和PSSIM来计算任意网络模型生成的风格化图像的效果,代替了传统的仅以人眼视觉系统的直观感受评价图像风格化优劣的方式。综上所述,本文主要工作如下:（1）本文基于Xun Huang等人提出的编码解码器模型,提出了基于残差网络的实时图像风格化。首先用残差网络构建的编码器代替原先VGG-19构建的编码器,再根据现有编码器构建解码器。实验结果表明,基于残差网络编码器能够在减小时间损耗的同时提高图像的风格化效果。（2）针对现有图像风格化的评价标准缺失、研究人员只能用主观的视觉评估图像风格化效果的问题,本文在VGG-19网络的基础上构建图像风格损失评估网络模型。此模型可以客观地计算出任意风格化网络生成的风格化图像的风格化损失值,从而可以作为风格化网络模型的有效评价方法。（3）本文通过改进图像质量评价指标SSIM,得到可以适用于图像风格化网络模型的评估的图像风格化相似度指数（即PSSIM）。PSSIM通过亮度、对比度和结构相似度三个维度分别计算图像的风格相似度,可以客观的评价本文网络模型的风格化效果。