可计算书法风格的表达和鉴别机制研究

Chinese calligraphy is 5,000 years old writing art, an important culture heritage and have huge collections. The digitizing technology is mature and those collections are now being scanned into document image to serve academic society widely. But it lacks automatic calligraphy style classification and identification technologies. Our goal is to offer computational methods to help manual classification and identification by using image analysis and pattern recognition technologies in calligraphy style representation. Main work is to represent calligraphy style quantitatively. We focus on: 1)Noisy historical calligraphy page image analysis and understandings, calligraphy content hierarchical representation, storage and matching; 2)Calligraphic copybook style representation and computational methods design based on visual perceptron, with the goal is to construct style-consistency model using bag of visual words; 3) TF-IDF algorithm developing: add in positional information of visual word, propose new computational way for IDF weight to achieve more accurate calligraphy style discrimination. The primary contribution is: lay the foundations for latent calligrapher group relationship discovery, and for style based forgery detection; build a scientific technique basis for subjective calligraphy identification; develop theoretical research of image analysis and pattern recognition by introducing a new test-bed.

中华民族五千年文化中有大量书法作品，这些书法作品的数字化扫描、存储技术已经成熟，但缺乏相应的书法风格自动分类、鉴别的方法。本课题把图像处理和模式识别技术引入到艺术领域的书法风格鉴别，旨在为主观目测书法风格提供客观数字参考。本课题首次提出可计算书法风格的表达和鉴别，主要研究：1）噪声历史书法作品图像内容的分析和理解，书法图像内容的分层表达、存储；2）基于视觉感知的范本作品风格的表达和分类，一致性书法风格的视觉词袋模型构造；3）TF-IDF算法中所缺失的特征词位置信息的计算，新IDF权重调整方法，以及书法风格区分精度的优化。本课题的研究能为潜在的书法流派间动态传承关系的挖掘奠定基础，能为基于风格的书法作品真伪鉴别奠定基础，从而使书法艺术研究有科学的技术基础。同时，也为图像分析和模式识别研究提供新的检测、验证平台，是对图像分析和模式识别理论的进一步发展和深化。

为能远程、高效的传承、传播和学习书法文化，书籍作品扫描成图像。扫描技术已成熟，但扫描后书法图像风格的自动分类和鉴别存在问题：书法字不仅每个笔画粗细不同、笔画有变形，而且笔画间还会有打印体所没有的粘连；这些变化给使得书法字无法直接OCR成文本。然而正是这些变化，承载着书法最重要的风格信息，使书法有别与打印体。这些变化是风格的要素，类似于打印体中所说的字体。. 本项目首先研究了承载着最重要信息的书法笔画的提取：提出并实现用爬虫算法获取单单字骨架笔画，用8链码表示和计算笔画类型；在骨架笔画基础上，用共享区检测和聚类法恢复带宽度信息的单个笔画。. 其次，完成了底层图像特征到高层书法风格语义的映射：以提取的骨架笔画为基础，结合各类书法字结构特征、笔画形态特征等的相同点和不同点，提取了横竖笔画的平均斜率、横向码比值等12种单字的笔画级书法风格特征和黑白二值比、高宽比、平均笔宽等12种字级书法风格特征，将这些特征进行量化，构成特征向量。. 再次，研究了书法风格模型和书法风格鉴别：将书法页面切分成单字、再从单字提取书法笔画；接着，把书法字的风格分成五类：篆书、隶书、楷书、行书和草书，进行训练集人工标注；通过分析训练样本的特征统计数据，构建书法风格模型，将风格未知的书法字的特征进行提取量化，计算风格未知书法字的分布概率，从而判断风格未知书法字的风格。本项目书法的算法得到书法风格平均鉴别率正确率80%左右。. 该研究成果能应用到中小学生书法教学上，提供临摹用书法数据库、相应的量化表达的书法风格描述；还可应用到数字图书馆上，接受书法学习者和爱好者的检验；本项目提的量化描述的书法风格，能使基于书法风格的作品真伪鉴定拥有具体衡量标准，减少现存的主观鉴定不一致的纠纷。