基于生成对抗网络的字体风格化研究

发布时间：2021-01-02 04:23

　　随着计算机科学的持续发展以及人们对艺术之美的不懈追求,通过计算机辅助实现的字体风格化技术逐渐崛起。字体风格化作为主流的文本美工技术之一,在平面设计以及杂志编排等领域中应用广泛。它通过一系列的编辑手段将未经特效加工的普通字体渲染成具有多种艺术效果的风格化字体,使得原本单调的字体呈现出复杂多变的文本效果,进而在相关领域的应用中更具观赏性和实用性。传统字体风格化方法使用PhotoShop等图像编辑软件手工完成对普通字体的风格化处理。该方法局限性在于软件操作较为复杂;制作风格化字体的步骤繁琐;无法批量生成风格化字体等。这些缺点导致其制作成本较高,对于普通用户而言具有一定难度,实用性较差。现有学者针对上述缺点提出了一种基于统计学的字体风格化方法,该方法在计算机的辅助下,将样本字体的骨架与渲染特效的空间分布作为约束条件来指导字体的纹理合成,有效地解决了手工方法制作缓慢,成本较高的问题。然而,使用该方法生成的纹理效果受限于字体骨架,不具有普遍性。因此,如何提供一种高效且不受文字骨架限制的字体风格化方法是一项亟待解决的问题。近几年来,随着深度学习的快速发展,基于深度神经网络的特征提取算法在图像风格化领... 

【文章来源】：广东工业大学广东省

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

艺术字体的使用场景

手工制作方法流程图

2.4.2 生成对抗网络及其变种（1）原始生成对抗网络生成对抗网络(Generative adversarial Nets, GAN)[53]是 2014 年由 Ian Goodfellow 博图 2-3 卷积神经网络结构Figure 2-3 Structure of Convolutional Neural Network

【参考文献】：
期刊论文
[1]基于CGAN网络的二阶段式艺术字体渲染方法[J]. 叶武剑,高海健,翁韶伟,高智,王善进,张春玉,刘怡俊.  广东工业大学学报. 2019(03)
[2]基于CycleGAN的非配对人脸图片光照归一化方法[J]. 曾碧,任万灵,陈云华.  广东工业大学学报. 2018(05)
[3]基于L1/2自适应稀疏正则化的图像重建算法[J]. 叶向荣,刘怡俊,陈云华,熊炯涛.  广东工业大学学报. 2017(06)
[4]卷积网络深度学习算法与实例[J]. 陈旭,张军,陈文伟,李硕豪.  广东工业大学学报. 2017(06)
[5]艺术字体在平面视觉设计中的应用[J]. 丁世华.  印刷杂志. 2017(10)
[6]生成式对抗网络GAN的研究进展与展望[J]. 王坤峰,苟超,段艳杰,林懿伦,郑心湖,王飞跃.  自动化学报. 2017(03)
[7]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[8]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川.  数据采集与处理. 2016(01)
[9]新媒体艺术对平面设计的影响[J]. 张洋.  新闻战线. 2015(09)
[10]机器学习及其相关算法综述[J]. 陈凯,朱钰.  统计与信息论坛. 2007(05)

硕士论文
[1]基于深度卷积生成对抗网络的图像修复研究与应用[D]. 王鑫磊.重庆大学 2018
[2]基于深度学习的图像风格化处理[D]. 栾奕欣.北京邮电大学 2018
[3]基于DCGAN算法的图像生成技术研究[D]. 蔡晓龙.青岛理工大学 2018



本文编号：2952642