本研究聚焦于一种基于深度卷积神经网络的图像风格转换方法，并引入有限内存BFGS(limited-memory Broyden-Fletcher-Goldfarb-Shanno, L-BFGS)优化算法对模型进行优化以提升转换效果。首先，针对传统的图像风格转换方法，探讨如何利用该网络捕捉并迁移图像的风格特征，同时保持图像的内容信息。其次，采用L-BFGS方法精细调整网络参数，以实现更高效的风格迁移过程。最后，构建一个包含2 000个样本的图像数据集，并利用矩阵实验室实现模型训练与测试。结果表明，本方法在图像内容保留、风格一致性、图像质量等方面均表现出显著优势。