[发明专利]一种汉字书写形态美观度的计算机评估方法

权利要求书

1.一种汉字书写形态美观度的计算机自动评估方法，其特征在于包括如下步骤：

1)通过多人调查的方式为500～2000个汉字单笔划的笔划样本评分，并使用人工神经网络、决策树、模糊逻辑或支持向量机来训练并获得字体单笔划形态与其美观度评价结果间的映射关系，然后使用训练后的学习器对字体单笔划美观度进行评分；

2)通过多人调查的方式为500～2000个汉字样本的内部结构评分，并使用人工神经网络、决策树、模糊逻辑或支持向量机来训练并获得字体内部结构特征与其美观度评价结果间的映射关系，然后使用训练后的学习器对字体内部结构进行评分，其中，字体内部结构包括字体各内部笔划或偏旁部首元素间的拓扑关系、相对位置关系、面积遮盖关系，以及笔划与笔划、笔划与偏旁部首之间的空间位置关系与该字的标准字体的差异，实现对字体内的各部分空间结构分布的美观度评分；

3)通过多人调查的方式为100～300个汉字样本的风格一致性评分，并使用人工神经网络、决策树、模糊逻辑或支持向量机来训练并获得字体风格一致性特征与其美观度评价结果间的映射关系，使用训练后的学习器对字体风格一致性进行评分；对字体各个内部笔划或偏旁部首元素计算出与该字多种已知风格字体的相似度，并以此确定该字体的风格一致性评分；

4)根据对汉字进行的单笔划美观度评分、内部结构美观度评分、风格一致性评分，应用统计学习方法综合各项得分，获得该字体的总体美观度评分；

所述的通过多人调查的方式为500～2000个汉字单笔划的笔划样本评分，并使用人工神经网络、决策树、模糊逻辑或支持向量机来训练并获得字体单笔划形态与其美观度评价结果间的映射关系，然后使用训练后的学习器对字体单笔划美观度进行评分方法包括如下步骤：

a)事先通过多人调查方式，让六人各自对来自100个汉字的单笔划图像做评分，评分结果为“好”、“一般”、“差”三种其中之一；综合所有人的评分结果，计算该笔划的分数概率，即：分别统计将笔划评分为“好”、“一般”、“差”的人数，除以总人数，所得三个百分数分别为该笔划美观度为“好”、“一般”、“差”的概率，获得500～2000个单笔划的美观度的人工评价结果；

b)将步骤a)中所述各笔划的楷书体图像作为该笔划的标准笔划；将这些单笔划图像参数化，即提取出它们的轮廓、轨迹、位置信号，转换成向量的形式，对这些向量进行预处理，去除噪音，并进一步抽取特征向量，对获得的特征向量，与该笔划的标准笔划的特征向量作向量减法，从而得到单笔划的形态差异向量；

c)使用人工神经网络、决策树、模糊逻辑或支持向量机来训练并获得单笔划的形态差异向量中的信号差异与美观度评价结果间的函数映射关系；即以形态差异向量与美观度评价结果分别作为人工神经网络、决策树、模糊逻辑或支持向量机的输入和输出；应用步骤a)中的人工评价结果，对人工神经网络或决策树或模糊逻辑或支持向量机施行带有反馈的机器学习过程；

d)使用训练后的人工神经网络、决策树、模糊逻辑或支持向量机对单笔划进行评分：即对任意给定的单笔划图像，应用步骤b)得到该笔划与其标准笔划间的形态差异向量，以该向量作为训练后的人工神经网络或决策树或模糊逻辑或支持向量机的输入，获取此时的输出，即为该汉字笔划的美观度得分；

所述的通过多人调查的方式为500～2000个汉字样本的内部结构评分，并使用人工神经网络、决策树、模糊逻辑或支持向量机来训练并获得字体内部结构特征与其美观度评价结果间的映射关系，然后使用训练后的学习器对字体内部结构进行评分，其中，字体内部结构包括字体各内部笔划或偏旁部首元素间的拓扑关系、相对位置关系、面积遮盖关系，以及笔划与笔划、笔划与偏旁部首之间的空间位置关系与该字的标准字体的差异，实现对字体内的各部分空间结构分布的美观度评分方法，包括以下步骤：

e)事先通过多人调查方式，事先通过多人调查方式，让六人分别对汉字图像做评分，评分结果为“好”、“一般”、“差”三种其中之一；综合所有人的评分结果，计算该字体的分数概率，即：分别统计将字体评分为“好”、“一般”、“差”的人数，分别将其除以总人数，所得百分数分别为该字体分数为“好”、“一般”、“差”的概率；通过这样的方式获得500～2000个字体空间结构美观度的人工评价结果；

f)通过笔划分解结果将该字体参数化，转换成向量的形式；这些向量层次化的表达了字体的轮廓、轨迹与相对位置信息；

g)将步骤e)中所述各字体的楷书体图像作为该字体的标准字体；提取出这些字体所对应向量中，各笔划或偏旁部首间的拓扑、几何关系的信号，与其标准字体的拓扑、几何关系的信号做比较，获得其信号差异，即做向量减法；

h)使用人工神经网络、决策树、模糊逻辑或支持向量机来训练并获得向量信号差异与美观度评价结果间的映射关系；应用步骤e)中人工标定的评价结果，对人工神经网络、决策树、模糊逻辑或支持向量机施行带有反馈的迭代学习过程。

i)使用训练后的人工神经网络、决策树、模糊逻辑或支持向量机对字体空间结构美观度进行评分。即对任意给定的字体图像，应用步骤f)-步骤g)得到该字体内部结构与该字的标准字体间的信号差异，以该差异向量作为训练后的人工神经网络或决策树或模糊逻辑或支持向量机的输入，获取此时的输出，即为该字体的内部结构美观度得分。