[发明专利]计算机辅助书法牌匾设计方法

权利要求书

1.一种计算机辅助书法牌匾设计方法，其特征在于包括以下步骤：

(1)结合书法字内容风格特征和上下文风格特征作为书法字风格特征的表达方式；

(2)基于书法字风格特征表达方式，提取并融合书法字的内容风格特征和上下文风格特征，并计算书法字之间的风格相似度；

(3)利用风格一致性计算模型获取书法牌匾候选集；

(4)利用对等反馈传递算法改善书法风格度量。

2.根据权利要求1所述的计算机辅助书法牌匾设计方法，其特征是，所述的结合书法字内容风格特征和上下文风格特征作为书法字风格特征的表达方式是指：给定书法字V_i，将其风格特征表示为<f_i1，f_i2>，其中f_i1表示书法字的内容风格特征，f_i2表示书法字的上下文风格特征；

书法字内容风格特征指的是基于单个书法字视觉底层特征的风格特征，对于书法字V_i，f_i1＝<C_i，G_i，S_i>，其中C_i，G_i和S_i分别表示书法字的形状特征、方向特征和结体特征；

书法字上下文风格特征反映了书法字在书法作品、书法家以及书体等上下文信息中的特征。

3.根据权利要求1所述的计算机辅助书法牌匾设计方法，其特征是，所述的基于书法字风格特征表达方式，提取并融合书法字的内容风格特征和上下文风格特征，并计算书法字之间的风格相似度步骤为：

(a)首先提取书法字的底层特征，包括书法字形状特征、方向特征和结体特征；

形状特征提取方法如下：给定书法字V_i＝{p_i1，p_i2，...p_im}，p_ij表示第j个采样点，书法字有m个轮廓采样点，每个采样点p_ij由二元组坐标<x，y>组成，采用极坐标系表示方式，将整个空间从方向上划分为8个方向，然后在弦上按log₂r平分为4份，r为覆盖极坐标系的圆的半径，这样，整个空间就被分为32份，对轮廓上一给定点p_i，其属性用以p_i点为中心的坐标系的32bin中落入每个bin的象素点个数w_i(k)来描述，w_i(k)＝#{q_j≠p_i：q_j∈bin(k)}，k＝0，1，2，...31，这样书法字的每一个采样点都有一个32维的特征向量用，书法字的形状特征就由m*32维的向量构成，由C_i＝<p_i1，1，p_i1，2，...p_i1，32，p_i2，1，...p_im，32>表示；

方向特征提取方法如下：采用二维Gabor函数，提取书法字纹理特征：

ψu,v(z)=||ku,v||2σ2e(-||ku,v||2||z||2/2σ2)[eiku,vz-e-σ2/2]---1]]>

其中z＝(x，y)，‖·‖表示为范式，σ为常量表示滤波器带宽宽度，kv=2-v+22π,]]>u和v分别表示Gabor滤波器的方向和尺度，取u＝0，1，2，....7和v＝0，1，2，3构成32个Gabor滤波器，每一个书法字都经过32个滤波器变换，对每一个滤波器的变换结果求均值和方差，则32个滤波器得到64维的方向特征向量G_i＝<μ_i1，σ_i1，μ_i2，σ_i2，...μ_i32，σ_i32>；

结体特征提取方法如下：提取书法字的形状、重心位置以及几何矩分布等特征作为书法字结体特征，用r=heightwidth]]>表示形状特征，height和width分别表示书法字的高和宽，表示书法字的重心位置，定义如下的p+q阶中心矩u_pq：

upq=Σx=0x=M-1Σy=0y=N-1(x-x‾)p(y-y‾)qf(x,y)---2]]>

其中M和N表示书法字宽度方向和高度方向的像素点个数，则sh=u30+u30++u30-]]>和sv=u03+u03++u03-]]>反映了书法字在左右侧和上下侧的笔压轻重比，bh=u21+u21++u21-]]>和bv=u12+u12++u12-]]>反映了书法字在左右侧和上下侧的墨迹主轴倾斜度，最后，综合所有的书法字结体特征，构成结体特征向量Si=<ri,x‾i,y‾i,sih,siv,bih,biv>;]]>

(b)计算单一特征的风格相似度，融合书法字形状特征、方向特征和结体特征，作为书法字的内容风格特征，并计算书法字内容风格相似度；

首先定义风格隶属向量A→i=<ai1,ai2,···aiK>,]]>其中a_ij反映了书法字V_i属于第j类风格的概率，K表示风格类别数，对单一特征G_i和S_i分别训练多类概率SVM分类器进行风格区分，得到书法字V_i在方向特征和结体特征上的风格隶属向量：G→i=<gi1,gi2,···giK>]]>和S→i=<si1,si2,···siK>,]]>其中g_ij，s_ij为分类器得到的概率结果；形状特征不同于方向特征和结体特征，其维数与轮廓点个数相关，不易训练SVM分类器，因此，提出基于K参照点书法风格相似度计算方法，针对每个汉字，取标准字作为形状参照集M＝{M₁，M₂，M₃，...M_K}，计算书法字V_i与参照字M_j的形状相似度，d_ij＝TMC(V_i，M_j)，得到形状风格隶属向量：V→i=<ci1,ci2,···ciK>,]]>其中cij=1/dijD,]]>D=Σj=1K1/dij,]]>得到风格隶属向量后，书法字V_i和V_j的风格相似度用余弦公式计算，其中基于形状的风格相似度为书法字V_i与参照字M_j的形状相似度计算如下：

先计算书法字轮廓中任意两点的近似匹配程度，用C_ij＝C(m_i，n_j)表示，m_i和n_i表示书法字轮廓点，值越小则越近似：

Cij=C(mi,nj)=12Σk=132[wi(k)-wj(k)]2wi(k)+wj(k)---3]]>

则轮廓点m_i的匹配值用公式PMC_i＝min{C(p_i，q_j)：j＝0，1，2…m}进行计算，最终两个书法字V_i与V_j的形状匹配值大小是它们的所有轮廓点的匹配值的总和，用TMC(V_i，V_j)表示；

对方向特征和结体特征进行前期融合和后期融合，前期融合是指在分类器训练之间就将各特征进行融合，最简单的方式是将各特征向量串连起来形成一个长特征向量，然后再对该特征向量进行分类器学习，后期融合是指对各个特征向量分别训练分类器，对分类器结果再次训练分类器，两种融合方法均能得到融合后的风格隶属向量则书法字V_i和V_j的风格相似度为：

对于形状特征采用Max融合方式或基于方差的融合方式，Max融合方式为：

    contentSIM(V_i，V_j)＝max(cSIM(V_i，V_j)，fSIM(V_i，V_j))       5

基于方差的融合方式为：利用公式L→i=Δ(V→i)>Δ(F→i)?]]>选择具有较好风格表达能力的特征然后计算书法字V_i和V_j内容风格相似度为：

(c)提取书法字的上下文风格特征，并计算书法字上下文风格相似度；

首先通过以下3种书法字上下文来定义书法字之间的上下文风格相似度，设V_i，V_j为两个书法字，

i.书法字是否属于同一作品

若V_i，V_j属于同一作品，则f₁(V_i，V_j)＝τ，否则为0；

ii.书法字是否属于同一书体

若V_i，V_j属于同一书体，则f₂(V_i，V_j)＝ζ，否则为0；

iii.书法字所属书法家之间的流派关系

流派指的是后人学习前人风格，形成风格相似的书法家派系，如颜派书法等，令f₃(V_i，V_j)＝g(a_i，a_j)，其中a_i，a_j表示V_i，V_j的书法家，若a_i，a_j为同一书法家，则g(a_i，a_j)＝υ，若a_i，a_j属于同一流派，则g(a_i，a_j)＝δ，否则为0；

可设τ＝1.5，ζ＝1，υ＝1，δ＝0.8，综合所有上下文特征，得到书法字V_i和V_j的上下文风格相似度为：

contextSIM(Vi,Vj)=Σk=13fk(Vi,Vj)---7]]>

(d)整合书法字内容风格和上下文风格计算书法字风格相似度，利用公式：

SIM(V_i，V_j)＝λ*contentSIM(V_i，V_j)+(1-λ)*contextSIM(V_i，V_j)      8

计算书法字V_i和V_j的风格相似度，其中0≤λ≤1。