[发明专利]基于机器学习的书法单字评价方法、系统及终端

权利要求书

1.一种基于机器学习的书法单字评价方法，其特征在于，包括：

采用字帖预训练pix2pix网络模型，其中，预训练的pix2pix网络模型数量与预练习的单字笔画数量相同；

将按照字帖临摹的单字图像预处理后输入至训练后的pix2pix网络模型，并生成拆分后的笔画；

采用Hu不变矩的欧氏距离对笔画进行评分；

将每一个笔画的重心按照Delaunay三角网构成弹性网格结构，通过弹簧的形变能量计算临字与范字结构相似度；

结合笔画的评分和结构的相似度，得到对书法单字的评价结果。

2.根据权利要求1所述的基于机器学习的书法单字评价方法，其特征在于，所述预处理是通过自适应阈值和去噪，使单字图像二值化；

将预处理后的单字图像输入至训练后的pix2pix网络模型，并生成拆分后的笔画，包括如下步骤：

设任意一个单字有K个笔画，则将K个相同的该单字图像输入到K个不同的训练后网络模型；

每个训练后网络模型输出的图像为K个不同的拆分笔画。

3.根据权利要求1所述的基于机器学习的书法单字评价方法，其特征在于，所述采用Hu不变矩的欧氏距离对笔画进行评分，包括如下步骤：

对字帖和临帖两个图像分别计算Hu不变矩，得到7个不变矩值；

用欧式距离计算这7个不变矩值的差异度，经过转化得到百分制评分。

4.根据权利要求1所述的基于机器学习的书法单字评价方法，其特征在于，所述将每一个笔画的重心按照Delaunay三角网构成弹性网格结构，通过弹簧的形变能量计算临字与范字结构相似度，包括如下步骤：

确定字帖的笔画重心，构建Delaunay三角网络，并按照对应拓扑关系建立临帖的笔画重心和三角网络；

对比字帖和临帖两个网络上的每条边产生的形变，计算这些形变能量之和，转化得到百分制评分。

5.根据权利要求1-4任一项所述的基于机器学习的书法单字评价方法，其特征在于，还包括如下步骤：

采用动态可视化教学，对书法单字的书写进行指导。

6.一种基于机器学习的书法单字评价系统，其特征在于，包括：

输入模块：所述输入模块采用pix2pix网络模型；其中，所述pix2pix网络模型通过字帖进行预训练，用于将根据字帖临摹的单字拆分为笔画；

笔画评分模块：采用Hu不变矩的欧氏距离对笔画进行评分；

结构评价模块：将每一个笔画的重心按照Delaunay三角网构成弹性网格结构，通过弹簧的形变能量计算临字与范字结构相似度；

输出模块：结合笔画的评分和结构的相似度，输出对书法单字的评价结果。

7.根据权利要求6所述的基于机器学习的书法单字评价系统，其特征在于，所述笔画评分模块中，采用Hu不变矩的欧氏距离对笔画进行评分的方法，包括：

对字帖和临帖两个图像分别计算Hu不变矩，得到7个不变矩值；

用欧式距离计算这7个值的差异度，经过转化得到百分制评分。

8.根据权利要求6所述的基于机器学习的书法单字评价系统，其特征在于，所述结构评价模块中，将每一个笔画的重心按照Delaunay三角网构成弹性网格结构，通过弹簧的形变能量计算结构相似度的方法，包括：

确定字帖的笔画重心，构建Delaunay三角网络，并按照对应拓扑关系建立临帖的笔画重心和三角网络；

对比字帖和临帖两个网络上的每条边产生的形变，计算这些形变能量之和，转化得到百分制评分。

9.根据权利要求6-8任一项所述的基于机器学习的书法单字评价系统，其特征在于，还包括教学模块，所述教学模块采用动态可视化教学，对书法单字的书写进行指导。

10.一种终端，包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时能够用于执行权利要求1至5中任一项所述的方法。