一种基于生成对抗网络的残缺中文书法修复补全方法技术

本发明专利技术公开了一种基于生成对抗网络的残缺中文书法修复补全方法，涉及图像处理技术领域，解决了目前尚未有对已经残缺不全的历史文物中文字进行复原的有效措施的问题，其技术方案要点是：通过对历史文物中残缺的历史文物通过拍摄成图像，进而输入到SSD网络架构中进行特征提取，再输入到生成网络之中生成对于图像中残缺的中文书法进行补全了的图像；另一方面，通过对大量中文的各种字体的所有汉字进行训练，从而得到判别模型；再将生成的对于历史文物中残缺中文书法部分进行修复补全的图像在判别模型中进行判别，得到对于残缺中文书法部分进行修复补全了的图像，极大的拓展了生成对抗网络在与中华文化的古文字方面的应用，具有良好的应用性。

A repair and completion method of incomplete Chinese calligraphy based on generative antagonism network

【技术实现步骤摘要】
一种基于生成对抗网络的残缺中文书法修复补全方法
本专利技术涉及图像处理
，更具体地说，它涉及一种基于生成对抗网络的残缺中文书法修复补全方法。
技术介绍
在中华文明上下五千年的历史长河中，文化作为传播中不可或缺的一部分，我国历史文化源远流长，多民族文化相互融合，曾一度出现百家争鸣、百花齐放的辉煌时刻，在漫长的岁月里，我们如今所发现的历史文物之中，出现不少残缺破损的情况。书法字符作为文化传播的一种重要形式，对于历史文物的保护，以及对于已经残缺不全的历史文物中的文字进行保护，以及能够对于已经残缺不全的历史文物中的文字进行复原，还原为最初的那种状态是不少书法家、考古学家和历史文化研究的爱好者最为迫切的需要解决的一个问题。在自然条件下，所存在的历史石碑、以及出土的历史文物，在经过自然条件下的风吹雨打，历史文物中的一部分中文字符出现了残缺不全的情况。这对于历史文化的研究存在一定的障碍，无法很好的体会到当初作者书写这段文字时候，所想要表达的意境和当时期的文化背景。研究表明，对于历史所遗留下来的文物上所存在的中文字符，都存在不同程度上的破损，这对于研究我国古代的文化和保护历史文物都是不好的现象。然而，在漫长的科学研究中，对于如何对已经残缺不全的历史文物中的文字进行复原的问题，仍然没有得到解决。因此，如何设计一种基于生成对抗网络的残缺中文书法修复补全方法是我们目前迫切需要解决的问题。为更好的保护了历史文化提供有效措施，也为科研工作者对于中国历史文化的研究指明方向。
技术实现思路
本专利技术的目的是提供一种基于生成对抗网络的残缺中文书法修复补全方法，对于所拍摄的已经存在残损的历史文物上中文字符的图片作为输入图片，输入到生成对抗网络之中通过训练，从而输出一张对于残缺中文字符进行补全了的图片，达到复原历史名家的手迹，更好的研究和保护历史文物，极大的拓展了历史文化与计算机图像处理方面的结合点。本专利技术的上述技术目的是通过以下技术方案得以实现的：一种基于生成对抗网络的残缺中文书法修复补全方法，包括以下步骤：S1：获取在文字方面存在缺失的历史文物图像；S2：从储存有中华书法的资料库中爬取中华书法汉字，并对所爬取的数据进行图像数据预处理；S3：构建生成对抗网络的目标函数；S4：将数据预处理之后的汉字图像数据输入到生成对抗网络中进行训练，在学习大量的汉字图像数据后得出判别器模型；S5：将历史文物图像输入至SSD框架中进行特征提取，提取完特征之后进行信息融合，并输入到生成网络中；S6：对生成网络中生成的中文书法文字补全图像进行评分，评分越高代表缺失的书法文字部分补全的越全；S7：将补全图像输入到判别器模型中进行学习，得到修复补全图像。本专利技术进一步设置为：获取的所述历史文物图像像素大小为300×300。本专利技术进一步设置为：所述目标函数具体为：其中，D表示判别器；G表示生成器；E表示数学期望；x表示待补全的历史文物图像，x服从概率分布；y表示补全图像；表示为判别函数；表示为生成函数；表示判别器对于生成的补全图像进行判别的结果。本专利技术进一步设置为：所述判别器的损失函数Ld为：其中，Loss为预定义的损失参数。本专利技术进一步设置为：所述生成网络中生成器的损失函数Lg为：。本专利技术进一步设置为：在步骤S7中，所述补全图像在判别器模型中学习的具体步骤为：判断补全图像是否真实，若真实，则输出修复补全图像；若不真实，则再优化后输入至生成器中重复执行S5-S7操作，或再优化后输入至判别器中重复执行S7操作。综上所述，本专利技术具有以下有益效果：将拍摄的残缺不全的中文书法图片作为输入，输入到生成对抗网络中，在生成对抗网络中进行生成式网络和判别式网络的相互博弈，进而输出对于图像中残缺不全的历史文物进行补全了的历史文物中的中文字符图像，方便历史学家对于我国古文化的研究，也推进了复原历史文物原有模样的研究。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例中SSD特征提取并进行融合的示意图；图2是本专利技术实施例中生成对抗网络架构示意图；图3是本专利技术实施例中的整体架构示意图。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。对于一个中文书法部分已经残缺不全的历史文物，所保存下来的文字部分仅存原有完整的50%，但是现在历史学家和一些文物研究的爱好者希望能将文字部分进行复原，以此能够对于该时期的文化底蕴等进行研究。在对于残缺不全的历史文物进行拍照成为图像之后，在经过GAN网络的训练之后，能够生产对于一张对于原有的文字部分进行补全之后的图像，以方便研究者对于该时期的文化、背景进行研究。实施例：一种基于生成对抗网络的残缺中文书法修复补全方法，如图1-3所示，包括以下步骤：步骤一：对于在文字方面存在缺失的历史文物进行拍摄成图像，并将尺寸重新调整大小为300X300，以便后期对于其进行处理。步骤二：从中国书法网、汉典网等包含大量中华书法的资料库中爬取大量的中华书法汉字，并对所爬取的数据进行图像数据预处理。中华书法包括但不限于甲骨文、草书、楷书等书法。步骤3：整个生成对抗网络的目标函数为：这是一个最大最小优化问题，先优化判别器D，然后再优化生成器G，本质上是两个优化问题。E表示数学期望,比如表示的数学期望。其中，x服从概率分布。步骤4：将数据预处理之后的汉字图像数据进行输入到生成对抗网络中进行训练，在学习了大量的汉字图像数据之后，就可以训练得出一个判别器模型。整个判别器的损失函数Ld为：其中，E表示整个判别器的数学期望，G和D分别表示判别器和生成器，x表示待对于图像中缺失的中文书法部分进行补全的图像，y表示已经对于缺失部分书已经补全了的完好的图像，表示为判别函数，表示为生成函数，Loss为预定义的损失参数，表示判别器对于生成的对缺失部分中文书法的进行补全的图像进行判别的结果。步骤5：将在文字方面有文字缺失信息的图像在改进版SSD框架中进行每一层的特征提取，提取完特征之后将每一层中的特征信息进行信息融合，进而输入到生成网络中。生成器的损失函数Lg如下：其中，Loss为预定义的损失参数，表示为判别函数，E表示整个生成器的数学期望，步骤6：输入到生成网络之后，会产生大量的对于中文书法文字进行补全了之后的图像，通过对于所生成的图像进行评分，按照1-10分的评分，评分越高代表缺失的书法文字部分补全的越全。步骤7：生成器中生成的图像进行输入到之前训练好的判别器模型学习，判断补全图像是本文档来自技高网...

【技术保护点】
1.一种基于生成对抗网络的残缺中文书法修复补全方法，其特征是，包括以下步骤：/nS1：获取在文字方面存在缺失的历史文物图像；/nS2：从储存有中华书法的资料库中爬取中华书法汉字，并对所爬取的数据进行图像数据预处理；/nS3：构建生成对抗网络的目标函数；/nS4：将数据预处理之后的汉字图像数据输入到生成对抗网络中进行训练，在学习大量的汉字图像数据后得出判别器模型；/nS5：将历史文物图像输入至SSD框架中进行特征提取，提取完特征之后进行信息融合，并输入到生成网络中；/nS6：对生成网络中生成的中文书法文字补全图像进行评分，评分越高代表缺失的书法文字部分补全的越全；/nS7：将补全图像输入到判别器模型中进行学习，得到修复补全图像。/n

【技术特征摘要】
1.一种基于生成对抗网络的残缺中文书法修复补全方法，其特征是，包括以下步骤：
S1：获取在文字方面存在缺失的历史文物图像；
S2：从储存有中华书法的资料库中爬取中华书法汉字，并对所爬取的数据进行图像数据预处理；
S3：构建生成对抗网络的目标函数；
S4：将数据预处理之后的汉字图像数据输入到生成对抗网络中进行训练，在学习大量的汉字图像数据后得出判别器模型；
S5：将历史文物图像输入至SSD框架中进行特征提取，提取完特征之后进行信息融合，并输入到生成网络中；
S6：对生成网络中生成的中文书法文字补全图像进行评分，评分越高代表缺失的书法文字部分补全的越全；
S7：将补全图像输入到判别器模型中进行学习，得到修复补全图像。


2.根据权利要求1所述的一种基于生成对抗网络的残缺中文书法修复补全方法，其特征是，获取的所述历史文物图像像素大小为300×300。


3.根据权利要求1所述的一种基于生成对抗网络的残缺中文书法修复补全方法...

【专利技术属性】
技术研发人员：覃晓，蒋建辉，元昌安，覃正优，乔少杰，邓松，
申请(专利权)人：南宁师范大学，
类型：发明
国别省市：广西;45