现有的图像风格传递方法在传递鲜明风格的同时目标图像的主体结构常会发生变形.为了改善此情况,在基于深度卷积神经网络风格传递方法的基础上设计损失函数.该函数在原有损失项的基础上,增加两个正则项.其一用于维持目标图像的主体结构,采用高斯拉普拉斯(LoG)算子提取的边缘信息构成表达主体结构的特征矩阵,正则项由结果图像和目标图像的特征差构成.其二考虑到深度特征偏重于刻画全局信息,而艺术风格与笔触、纹理走向、色彩的流动等局部方向性特征密切关联,设计另一个正则项用于增强方向性风格特征的描述,由Gabor滤波器提取的特征构成,同时避免主体结构的保持可能带来的风格传递的弱化效应.实验表明,相比其它同类算法,文中方法在传递鲜明风格时更好地保持目标图像的主体结构.