汉字的图形意象形态研究

本文以研究汉字的图形形态为基点,首先分析汉字的图形形态特征,并通过例证、归纳的手法,对汉字视觉图形的表现形式进行深入地研究。从而赋予汉字的图形形态以现代设计的形式美感,使中国汉字的文化意象与文化价值在传统与现代的交融中传承。     

基于汉字字体结构认知计算的多意象预测模型

为了揭示汉字字体与受众的情感意象之间的内在关系，从认知计算的角度出发， 探索构建一种“设计特征-结构指标-意象”的灰箱关联模型，以其预测汉字字体的多个意象。首 先依据认知计算的原理将字体结构规则抽象为知识，运用产生式规则将字体结构知识进行定量 描述，提出字重、重心、字面、字怀 4 个字体结构指标的认知计算公式，将无序的形态信息转 化为结构化的有序信息。然后基于汉字字体意象认知系统的非线性耦合的特点，发展出一种运 用多输出最小二乘支持向量回归机(MLS-SVR)进行汉字字体多意象预测的方法。将该方法对汉 字字体的 3 个意象进行预测，实验结果表明其具有良好的预测效果和精度。该模型可作为字体 智能设计系统的适应度函数，为发展字体智能设计提供有益的参考。     

浅谈汉字字体设计与表现

随着经济与文化水平的迅猛提升,我国与世界的交流合作正在向全方位、立体化的态势发展。汉字作为中华民族文化的载体也在社会发展过程中不断创新与完善。设计者如何在原有字体的基础上发挥自身的才智及潜能去总结各种形式法则和变化规律,创造独具特色的视觉传达风格,丰富和增强字体形式的表现力及影响力成为我们不得不思考的问题。     

浅析汉字字体的审美表情及其分类优选

字体表情自汉字诞生之初业已存在,其发展变化的助推力来源于人类从不间断的文明进程。印刷术的推广加快了字体审美表情的演变速度。当下汉字字体的结构韵律及审美表情千姿百态,与汉民族性格存在一定的映射效应。汉字字体借鉴诸多西方字体的结构特征,形态日渐丰富多样。为期达到最佳审美及实用功效,应根据字体的审美表情差异对汉字字体进行分类优选。     

汉字字体设计的视觉形式新探

汉字独特的视觉形式与深厚的文化底蕴决定了它的巨大生命力。本文从视觉元素分析入手,主要论述了汉字字体设计中的点线面、图形语言及色彩在新时代的特征,并从符号和新的秩序感两方面探讨了新时代汉字字体设计的视觉形式发展趋势。     

产品形态多意象蛛网灰靶决策模型

针对概念设计中多意象设计方案决策困难的现象,提出了一种产品形态多意象蛛网灰靶决策方法。首先,运用感性工学相关方法获取设计主体的认知数据,结合熵权法及博弈论思想构建基于设计主体认知数据的综合评价模型,并根据各意象的设计主体综合评价数据确定各意象的权重关系;其次,通过人工选择的方式从产品形态进化系统中选择多个进化方案,运用蛛网图表征各进化方案的意象关系,构建多意象蛛网灰靶决策模型,计算决策系数,对其进行比较排序,得到符合设计主体认知的相对最优方案;最后,应用灰色关联分析法验证该决策模型的可行性。结果表明,该模型能够帮助设计师在设计决策阶段快速、准确地确定符合多设计主体认知的多意象方案,为产品方案的多意象决策提供了新的理论和方法。     

基于眼动技术的产品意象认知模型研究及应用

用户与设计师的协同设计是现代设计中的重要研究课题,但基于意象层面的协同设计很少有研究。产品意象认知模型阐明了消费者情感需求与产品造型之间的关系,运用专家访谈、影响汽车外观造型特征的眼部跟踪观察实验、影响产品意象认知的造型特征提取实验、关键造型特征与产品意象认知关系之量化实验等多实验的方法,建立了基于特征匹配的产品意象认知模型。基于该模型,开发了汽车草图设计原型系统,有效实现了用户与设计师汽车草图协同设计。     

浅论汉字符号意象化构成与视觉传达设计的关系

中国的汉字属于表意文字,作为一种汉文化的载体符号,它具有独特的意象化构成魅力且汉字自身的演化与进步就是其意象化构成表达的无尽延伸与发展。本文旨在通过对汉字符号意象化构成的分析与概括,挖掘出汉字通过意象化构成魅力来传达丰富的视觉信息的特征,并找到它与视觉传达设计内在规律相契合的关系,以及这种特质对视觉传达设计的作用。从而为进一步拓宽视觉传达设计的表现空间,丰富它的设计语言而添砖加瓦。     

面向用户意象的陶瓷茶具形态设计方法研究

针对陶瓷茶具造型老旧、形式单一的问题,构建了基于用户感性意象的陶瓷茶具 形态设计方法。以感性意象理论为基础,采用定性及定量相结合的研究方法,研究用户感性意 象与陶瓷茶具形态要素之间的量化关系。通过对陶瓷茶具形态构成要素的分析,确定了茶壶为 主要研究对象;采用语义差分法、因素分析法和多元线性回归分析法,探测消费者对陶瓷茶壶 形态的感性评价,利用数据统计分析量化用户感性意象与陶瓷茶壶形态设计的对应关系,并通 过设计实例验证此方法的正确性。研究结果拓展了以用户为中心的产品形态设计的新方法,对 探求用户意象偏好的陶瓷茶具形态设计具有一定的指导意义。     

Thinning and stroke segmentation for handwritten Chinese character recognition

Firstly, a thinning technique by means of stroke tracking is proposed. The method is considered to preserve the straightness of strokes and the length, which is useful for the stroke segmentation procedure on the recognition of handwritten Chinese characters.Secondly, a method for stroke segmentation, i.c. a way of breaking down a character to a set of consecutive partial strokes, is proposed, which works well owing to the favourable properties of the proposed thinning technique. The method consists of five procedures: extraction of feature pixels, calculation of stroke directions, piecewise linear representation of strokes, unification of intersections and extraction of the consecutive partial strokes.     

深度学习汉字生成与字体风格迁移综述

汉字字体风格迁移旨在保证在语义内容不变的同时对汉字的字形作相应的转换。由于深度学习在图像风格迁移任务中表现出色,因此汉字生成可以从汉字图像入手,利用此技术实现汉字字体的转换,减少字体设计的人工干预,减轻字体设计的工作负担。然而,如何提高生成图像的质量仍是一个亟待解决的问题。本文首先系统梳理了当前汉字字体风格迁移的相关工作,将其分为3类,即基于卷积神经网络(convolutional neural network,CNN)、自编码器(auto-encoder,AE)和生成对抗网络(generative adversarial network,GAN)的汉字字体风格迁移方法。然后,对比分析了22种汉字字体风格迁移方法在数据集规模方面的需求和对不同字体类别转换的适用能力,并归纳了这些方法的特点,包括细化汉字图像特征、依赖预训练模型提取有效特征、支持去风格化等。同时,按照汉字部首检字表构造包含多种汉字字体的简繁体汉字图像数据集,并选取代表性的汉字字体风格迁移方法进行对比实验,实现源字体(仿宋)到目标字体(印刷体和手写体)的转换,展示并分析Rewrite2、zi2zi、TET-GAN(texture effects transfer GAN)和Unet-GAN等4种代表性汉字字体风格迁移方法的生成效果。最后,对该领域的现状和挑战进行总结,展望该领域未来发展方向。由于汉字具有数量庞大和风格多样的特性,因此基于深度学习的汉字生成与字体风格迁移技术还不够成熟。未来该领域将从融合汉字的风格化与去风格化为一体、有效提取汉字特征等方面进一步探索,使字体设计工作向更灵活、个性化的方向发展。     

改进SURF算法在图像汉字识别中的应用

针对复杂背景下汉字匹配准确率较低的问题,提出一种改进的SURF算法。该算法利用灰度分级的字符分割方法,先进行灰度分割增强图像的对比度,采用灰度分级树将图像中的所有像素处理为树的模式进行计算,根据灰度分级确定主节点,根据主节点的级别所对应的灰度值对图像进行分割。同时,根据汉字结构的特殊性,取消了SURF算法的旋转不变性。实验结果表明,与未使用改进的SURF算法相比,对图像质量较差的文本图像,改进的SURF算法能有效地提高其匹配的准确率。     

基于小波变换的图像汉字笔划特征提取方法

借鉴仿生模式识别的认知观点,从汉字的构造机理和人类认识汉字的习惯角度出发,提出一种基于小波变换的图像汉字识别方法。制定了图像汉字笔划特征提取的具体规则,采用小波变换的方法对图像汉字边缘和笔划轮廓进行检测,通过有效提取图像汉字笔段信息,进行笔段合成,生成汉字或汉字的基本笔划。仿真实验结果表明,这种方法提高了图像汉字笔划特征提取的准确率和稳定性,对于印刷体和书写较规范的手写体图像汉字具有极高的识别率。     

甜瓜图像分割的先验LCV模型

以甜瓜形态的微变测量为目标,提出了基于先验形状的LCV(LocalChan-Vese)模型算法。利用形态学方法获得甜瓜的局部信息图像,仿照传统CV模型的拟合形式,建立了LCV能量模型;利用形态学方法及spine插值算法获取甜瓜的先验形状,将其通过形状比较函数嵌入到LCV模型的能量函数中,形成了新的基于先验形状的LCV模型。相比传统边缘检测和图像分割算法,该算法更易于提取出理想的边缘信息。     

基于模糊线性回归的脑卒中发病率预测模型

针对经典线性回归模型不能完全反映变量间的耦合关系而不适宜有模糊数的脑卒中发病率预测的问题,建立了一种模糊多元线性回归分析的脑卒中发病率预测模型。把历史数据分为建模数据样本和检测数据样本,采用线性规划法求出参数的中心值和模糊幅度值。实验结果表明,该模型具有较高的精确度和可操作性。     

手写体汉字识别中小波分形分解特征的研究

研究了手写体汉字识别中的一种新的特征提取方法——小波分形分解特征。对手写汉字分别采用小波和分形的方法提取其结构特征和统计特征,并将提取的结构特征和统计特征组合后作为识别器的输入进行识别。实验结果表明,对训练样本可以达到98．71％识别率,对测试样本可以达到91．37％识别率。     

图像情感特征的分类与提取

分析了图像情感特征的特点并提出三层结构的分类方法,以彩色自然风景图片为例,选取了典型的情感特征,采用排序调查法收集用户评价,并通过多元线性回归方法建立图像颜色特征与用户评价的映射关系,用于彩色自然风景图片情感特征的自动提取。最后通过实验验证了三层结构的合理性,以及所建立映射关系对于正确预测彩色自然风景图片情感特征的有效性。     

Preprocessing for Chinese character recognition and global classification of handwritten Chinese characters

Techniques for calculating the stroke directions of thinned binary characters and for detecting the intersections and end points of strokes by means of pattern matching and weighting method are proposed as a preprocessing of handwritten Chinese character recognition. We also propose a method for global classification of handwritten Chinese characters by means of projection profiles of strokes and show that the method is available for the Chinese characters written in the square style.     

Model-based stroke extraction and matching for handwritten Chinese character recognition

This paper proposes a model-based structural matching method for handwritten Chinese character recognition (HCCR). This method is able to obtain reliable stroke correspondence and enable structural interpretation. In the model base, the reference character of each category is described in an attributed relational graph (ARG). The input character is described with feature points and line segments. The strokes and inter-stroke relations of input character are not determined until being matched with a reference character. The structural matching is accomplished in two stages: candidate stroke extraction and consistent matching. All candidate input strokes to match the reference strokes are extracted by line following and then the consistent matching is achieved by heuristic search. Some structural post-processing operations are applied to improve the stroke correspondence. Recognition experiments were implemented on an image database collected in KAIST, and promising results have been achieved.