基于生成对抗网络的风格化书法图像生成

发布时间：2021-07-08 08:37

　　目的为修复书法图像中的残缺字体,提出一种提取书法图像特征并自动生成风格化书法图像的方法。方法首先针对书法作品的灰度图像利用变分自编码器提取字体的形状特征,同时将书法图像转换至Lab颜色空间中,通过四层卷积神经网络模型对L通道进行深度学习,提取书法字体中的风格特征;然后将风格特征作为条件输入,与形状特征一起输入生成对抗网络的生成器中进行联合训练,使生成的字体带有特定风格。研究过程中构建一个包含不同风格书法字体的中国书法字体生成数据集（CCGD-2019）用作模型训练。结果提出了一种基于变分自编码与生成对抗网络的书法字体图像生成模型,能够从标准字体或随机噪声自动生成风格化书法字体图像。结论人眼主观评价及Fréchet初始距离计算结果表明,生成字体的识别率和视觉质量均达到了令人满意的效果。 

【文章来源】：包装工程. 2020,41(11)北大核心

【文章页数】：8 页

【部分图文】：

不同方法生成结果比较

如图2所示，字体生成框架基于VAE-GAN[16]模型，将VAE中的解码器作为GAN中的生成器，从而将VAE和GAN联系起来。情感提取框架通过颜色空间转换和卷积神经网络，对书法图像中的灰度信息进行深度训练，输出结果作为风格特征指标添加到字体生成框架中编码器生成的潜在变量中，实现特定风格的字体生成，也有助于生成的书法字体图像更加符合人眼感知。图2 模型训练网络框架

模型训练网络框架

【参考文献】：
期刊论文
[1]基于深度学习的异噪声下手写汉字识别的研究[J]. 任晓文,王涛,李健宇,赵祥宁,郭一娜.  计算机应用研究. 2019(12)
[2]基于Guide-filter的中国书法作品中印章信息的提取[J]. 许鹏飞.  传感器与微系统. 2016(12)
[3]自适应书法字图像匹配和检索[J]. 章夏芬,张龙海,韩德志,毕坤.  浙江大学学报(工学版). 2016(04)

硕士论文
[1]面向文物修复的中国书法风格迁移研究与应用[D]. 任健.西北大学 2019
[2]基于卷积神经网络的书法风格识别的研究[D]. 张福成.西安理工大学 2018
[3]古代碑刻书法图像清晰化方法及系统研究[D]. 雷国荣.西安理工大学 2018



本文编号：3271231