针对现有图像水墨画风格迁移效果欠佳的问题，提出一种新的基于数据增强的循环生成对抗网络(GAN),用于非配对的自然风景照片水墨画风格迁移.首先，设计双生成器-判别器结构有效提高单向GAN模型的映射约束；其次，使用多种损失函数优化模型，引入总变分损失和恒等映射损失，并结合多尺度结构相似性设计新的循环一致性损失函数，以更好地捕捉传统水墨画的特征；最后，使用数据增强技术增加真实数据和生成数据的数量和多样性以提高生成器性能.对比实验结果表明，该方法可有效地将自然风景照片迁移为传统水墨画风格图像.