目的為修復書法圖像中的殘缺字體,提出一種提取書法圖像特征并自動生成風格化書法圖像的方法。方法首先針對書法作品的灰度圖像利用變分自編碼器提取字體的形狀特征,同時將書法圖像轉換至Lab顏色空間中,通過四層卷積神經網絡模型對L通道進行深度學習,提取書法字體中的風格特征;然后將風格特征作為條件輸入,與形狀特征一起輸入生成對抗網絡的生成器中進行聯合訓練,使生成的字體帶有特定風格。研究過程中構建一個包含不同風格書法字體的中國書法字體生成數據集（CCGD-2019）用作模型訓練。結果提出了一種基于變分自編碼與生成對抗網絡的書法字體圖像生成模型,能夠從標準字體或隨機噪聲自動生成風格化書法字體圖像。結論人眼主觀評價及Fréchet初始距離計算結果表明,生成字體的識別率和視覺質量均達到了令人滿意的效果。 

【文章來源】：包裝工程. 2020,41(11)北大核心

【文章頁數】：8 頁

【部分圖文】：

不同方法生成結果比較

如圖2所示，字體生成框架基于VAE-GAN[16]模型，將VAE中的解碼器作為GAN中的生成器，從而將VAE和GAN聯系起來。情感提取框架通過顏色空間轉換和卷積神經網絡，對書法圖像中的灰度信息進行深度訓練，輸出結果作為風格特征指標添加到字體生成框架中編碼器生成的潛在變量中，實現特定風格的字體生成，也有助于生成的書法字體圖像更加符合人眼感知。圖2 模型訓練網絡框架

模型訓練網絡框架

【參考文獻】：
期刊論文
[1]基于深度學習的異噪聲下手寫漢字識別的研究[J]. 任曉文,王濤,李健宇,趙祥寧,郭一娜.  計算機應用研究. 2019(12)
[2]基于Guide-filter的中國書法作品中印章信息的提取[J]. 許鵬飛.  傳感器與微系統(tǒng). 2016(12)
[3]自適應書法字圖像匹配和檢索[J]. 章夏芬,張龍海,韓德志,畢坤.  浙江大學學報(工學版). 2016(04)

碩士論文
[1]面向文物修復的中國書法風格遷移研究與應用[D]. 任健.西北大學 2019
[2]基于卷積神經網絡的書法風格識別的研究[D]. 張福成.西安理工大學 2018
[3]古代碑刻書法圖像清晰化方法及系統(tǒng)研究[D]. 雷國榮.西安理工大學 2018



本文編號：3271231