隨著計算機科學的持續(xù)發(fā)展以及人們對藝術之美的不懈追求,通過計算機輔助實現(xiàn)的字體風格化技術逐漸崛起。字體風格化作為主流的文本美工技術之一,在平面設計以及雜志編排等領域中應用廣泛。它通過一系列的編輯手段將未經(jīng)特效加工的普通字體渲染成具有多種藝術效果的風格化字體,使得原本單調的字體呈現(xiàn)出復雜多變的文本效果,進而在相關領域的應用中更具觀賞性和實用性。傳統(tǒng)字體風格化方法使用PhotoShop等圖像編輯軟件手工完成對普通字體的風格化處理。該方法局限性在于軟件操作較為復雜;制作風格化字體的步驟繁瑣;無法批量生成風格化字體等。這些缺點導致其制作成本較高,對于普通用戶而言具有一定難度,實用性較差�，F(xiàn)有學者針對上述缺點提出了一種基于統(tǒng)計學的字體風格化方法,該方法在計算機的輔助下,將樣本字體的骨架與渲染特效的空間分布作為約束條件來指導字體的紋理合成,有效地解決了手工方法制作緩慢,成本較高的問題。然而,使用該方法生成的紋理效果受限于字體骨架,不具有普遍性。因此,如何提供一種高效且不受文字骨架限制的字體風格化方法是一項亟待解決的問題。近幾年來,隨著深度學習的快速發(fā)展,基于深度神經(jīng)網(wǎng)絡的特征提取算法在圖像風格化領... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

藝術字體的使用場景

手工制作方法流程圖

2.4.2 生成對抗網(wǎng)絡及其變種（1）原始生成對抗網(wǎng)絡生成對抗網(wǎng)絡(Generative adversarial Nets, GAN)[53]是 2014 年由 Ian Goodfellow 博圖 2-3 卷積神經(jīng)網(wǎng)絡結構Figure 2-3 Structure of Convolutional Neural Network

【參考文獻】：
期刊論文
[1]基于CGAN網(wǎng)絡的二階段式藝術字體渲染方法[J]. 葉武劍,高海健,翁韶偉,高智,王善進,張春玉,劉怡俊.  廣東工業(yè)大學學報. 2019(03)
[2]基于CycleGAN的非配對人臉圖片光照歸一化方法[J]. 曾碧,任萬靈,陳云華.  廣東工業(yè)大學學報. 2018(05)
[3]基于L1/2自適應稀疏正則化的圖像重建算法[J]. 葉向榮,劉怡俊,陳云華,熊炯濤.  廣東工業(yè)大學學報. 2017(06)
[4]卷積網(wǎng)絡深度學習算法與實例[J]. 陳旭,張軍,陳文偉,李碩豪.  廣東工業(yè)大學學報. 2017(06)
[5]藝術字體在平面視覺設計中的應用[J]. 丁世華.  印刷雜志. 2017(10)
[6]生成式對抗網(wǎng)絡GAN的研究進展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動化學報. 2017(03)
[7]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應用. 2016(09)
[8]深度卷積神經(jīng)網(wǎng)絡在計算機視覺中的應用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)
[9]新媒體藝術對平面設計的影響[J]. 張洋.  新聞戰(zhàn)線. 2015(09)
[10]機器學習及其相關算法綜述[J]. 陳凱,朱鈺.  統(tǒng)計與信息論壇. 2007(05)

碩士論文
[1]基于深度卷積生成對抗網(wǎng)絡的圖像修復研究與應用[D]. 王鑫磊.重慶大學 2018
[2]基于深度學習的圖像風格化處理[D]. 欒奕欣.北京郵電大學 2018
[3]基于DCGAN算法的圖像生成技術研究[D]. 蔡曉龍.青島理工大學 2018



本文編號：2952642