[發明專利]一種基于特征融合的個性化漢字字體圖片生成方法

在審

• 申請號: 202010510661.4
• 申請日: 2020-06-08
• 公開（公告）號: CN111667008A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 王存睿;黃星宇
• 申請（專利權）人: 大連民族大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 大連星海專利事務所有限公司 21208
• 代理人: 徐雪蓮

一種基于特征融合的個性化漢字字體圖片生成方法，S1、漢字轉化為圖片：S2、模型構建，S3、訓練模型、S4、生成字體圖像集獲取、S5、漢字類型判別S6、字體生成。與現有的技術相比，本發明只需要字體設計者提供670個左右的字體，就能夠生成對應漢字的全部個性化漢字字體。該本發明將極大提高漢字字庫的制作效率，減輕了字體設計對于人工的依賴，極大的縮短了字庫制作的周期，使得字庫的生成變得簡單方便。而且為多個行業的應用和推廣提供了可靠依據。能夠豐富電影、電視、廣告等數字媒體和文化行業的字體材料，為其多元化設計提供素材。

技術領域

本發明涉及計算機圖形學與人工智能領域，尤其涉及一種基于特征融合的個性化漢字字體圖片生成方法。

背景技術

隨著互聯網的興起，現在越來越多的人喜歡在不同情況下使用個性化字體。一方面，不同得字體風格可以靈活地表達個性，賦予文本以作家獨特的特征和標志。另一方面，個性化字體風格中的字形帶來動態視覺感知，能夠在各種社交網絡媒體中吸引更多注意力。然而，創建手寫中文字庫仍然是一項耗時且費力的工作，具有較長的生產周期。現在電子設備上可用的手寫字體主要由商業公司的專業字體設計者制作，字庫的設計是一個非常耗時的工作，與只包含26個字母的英文字體庫不同，常用字符集GB2312由6763個漢字組成，此外由于漢字的結構復雜，形狀多樣，也增加中文字庫的制作難度。而目前，中文字庫的制作大多依賴于人工經驗和設計，即使由專業的字體設計人員來設計一套完整的字庫也需要花費2-3年的時間，自動化程度很低，制作周期長，效率底下。

隨著生成對抗網絡(GAN)的發展，可以合成更真實和更高質量的字形。然而，整個生成過程是無法控制和不可預測的。在生成的字體中通常包含模糊和重影得偽圖像。此外，對于具有復雜結構和或草書手寫風格的字符，這些端到端方法通常產生具有不合理筆畫或和不正確結構的結果。

發明內容

本發明的目的是提供一種有效減輕人工設計成本和精力，自動化程度高，生成個性化字體匹配程度高的基于特征融合的個性化漢字字體圖片生成方法。

本發明解決現有技術問題所采用的技術方案：一種基于特征融合的個性化漢字字體圖片生成方法，包括以下步驟：

S1、漢字轉化為圖片：將GB2312國際碼標準字庫中每種字體下的漢字以獨立圖片形式保存至字庫圖集中，從字庫圖集中將同種字體下選取預設數量的漢字圖片復制為訓練漢字圖集；字體設計人員對所述訓練漢字圖集中的每個漢字進行個性化設計，得到個性化字體漢字并將個性化字體漢字分別以獨立圖片形式保存至訓練漢字個性化圖集中；并使字庫圖集和訓練漢字個性化圖集中每幅圖片的大小相同；

S2、模型構建：生成對抗網絡模型包括預訓練的字體特征提取網絡、生成器及判別器；所述預訓練的字體特征提取網絡是對字體特征提取網絡VGG16進行訓練,訓練時，隨機選取字庫圖集中75％的圖片作為訓練集，剩余25％的圖片作為測試集，并保存訓練參數；生成器采用編碼器-解碼器結構,判別器為卷積神經網絡；所述編碼器包含5個向下采樣層，每層采用一個卷積核為5×5步長為2的卷積層，批量規范化層以及LReLu層構成，所述解碼器包含5個向上采樣層，每層采用一個卷積核為5×5步長為2的反卷積層，批量規范化層以及ReLu層；

S3、訓練模型：在保持預訓練的字體特征提取網絡的訓練參數不變的條件下，利用步驟S1得到的訓練漢字圖集輸入到生成對抗網絡模型的編碼器中，當生成對抗網絡模型損失函數的值最小時訓練完成；

S4、生成字體圖像集獲取：將訓練漢字圖集分別輸入訓練完成的生成對抗網絡模型及字體特征提取網絡中分別得到字體特征編碼字體特征向量；將字體特征向量、字體特征編碼與字體類別向量組合到一起作為特征組合向量集，所述字體類別向量是一個64維的隨機向量；將所述特征組合向量集輸入到生成對抗網絡模型的解碼器中生成具有目標字體風格的圖像作為訓練生成字體圖像集；