[01534689]基于图像特征深度学习的书法风格鉴赏与移动交互平台关键技术研究

1. A novel CNN structure for fine-grained classification of Chinese calligraphy styles,IJDAR （2019） 22:177-188 用于中国书法风格细分类的新型卷积神经网络算法研究,国际文档分析与识别期刊,2019年22卷,177-188页（SCI 3区） 贡献：将计算机用于书法风格分类是已有的研究,但传统上仅仅是对篆隶草行楷五体的分类,并将这作为风格分类。本文纠正风格分类识别的概念,以楷书四大家的风格为例,进行分类识别,使计算机具有识别不同书法风格的能力,对于基于类似风格的书法字库检索（字库查找类似风格的字）,书写风格一致性评判等课题具有重大意义。 2. A novel generative adversarial net for calligraphic tablet images denoising,Multimedia Tools and Applications （2020） 79:119-140 面向中国书法碑帖图像去噪的新型生成式对抗网络研究,多媒体工具与应用,2020年79卷：119-140页（SCI 2区） 贡献：书法图像去噪是已有的课题,但已有的研究结果去噪效果并不理想,并且可能损伤笔划。本文基于人工智能最前沿技术生成式对抗网络,并进行改进,通过学习干净图像的模式以及模拟的碑帖噪声模式,生成最优的干净碑帖图像,具有良好的背景噪声去除效果。 3. 发明专利：基于卷积神经网络的书法风格识别方法,授权号：ZL 2018 1 0662708.1,已转让 贡献：首次提出将卷积神经网络用于中国书法风格分类识别。 4. 发明专利：基于条件对抗网络的字帖二值化背景噪声杂点去除方法,授权号： ZL 2018 1 0533526.4,已转让 贡献：将条件生成对抗网络用于碑帖背景噪声去除,效果良好。 5.基于条件对抗网络的缺损古籍汉字修复方法, 授权号： ZL201910571713.6,已转让 贡献：提出一种优良的碑帖损毁古籍汉字修复方法,优于传统的图像修补效果。