基于花瑤挑花紋樣風格化圖像的輔助設計研究

陳鋆純，彭堅，郭寅曼，莫哲瓊，王斌

基于花瑤挑花紋樣風格化圖像的輔助設計研究

陳鋆純1，彭堅1，郭寅曼1，莫哲瓊1，王斌2

（1.湖南大學，長沙 410082；2.中南大學，長沙 410083）

探索花瑤挑花紋樣風格化輔助設計的方法。首先，對花瑤挑花的美學特征與制作流程進行解析，探索其文化原型風格化輔助設計的智能轉換路徑；其次，收集并整理風格化設計圖像數據庫，引入人工智能等技術分割花瑤挑花紋樣，并提取5類風格類型圖像的構圖與色彩語義特征，以此生成新的風格化挑花圖像；最后，提出花瑤挑花紋樣風格化輔助設計系統的構建流程與框架，以此輔助設計方法進行花瑤挑花文化創意產品設計。花瑤挑花是我國非物質文化遺產的重要組成部分，蘊含著豐富的審美趣味與文化思想。花瑤挑花紋樣風格化輔助設計方法能將用戶情感需求融入智能設計體系，豐富傳統紋樣的創新設計方式，為花瑤挑花的傳承與復用提供了新的途徑，滿足了消費者對文化創意產品的個性化需求。

花瑤挑花；風格化；輔助設計；人工智能

紋樣是由歷代沿傳下來的具有獨特民族藝術風格的圖案，是人類祖先世代創造的燦爛文化與歷史發展的見證。紋樣經過漫長的發展，以文字、繪畫、裝飾等形式存在于文化遺產中[1]。花瑤挑花作為一種獨特的傳統手工藝形式，被列為我國首批非物質文化遺產，花瑤挑花紋樣是中國傳統紋樣的重要組成部分，其中蘊含的大量藝術和文化知識可為藝術設計提供豐富的創意靈感和文化內涵。

當下，對文化遺產進行數字化典藏、對其文化基因進行提取轉換實現文化資源的再生與復用已受到廣泛重視[2]。云計算、大數據、物聯網和AI等現代科技為文化遺產的保護與再生賦予了時代契機與不竭動力，促使了文化資源數據庫的建設在全世界范圍內的繁榮發展。創意設計作為一種承載、延續文化的驅動方式，是實現文化數據復用的有效途徑，已有不少研究與實踐從設計角度對文化數據庫的建設進行了創新探索，如湖南大學“新通道”項目通過對鄉村的內生資源進行挖掘，構建了基于文化生態的地域設計知識文化數據庫，提出了面向創意設計的文化資源分類體系，使設計師能更快捷地獲取文化知識，促進了傳統文化的傳承與創新[3]；浙江大學通過跨領域協同合作的方式對創意設計需求建立了文物知識數據庫與數據庫規范等數字化標準體系，為設計師提供了可高效檢索文化資源的平臺服務系統[4]；“紋藏”作為中國傳統紋樣的開源數據庫，極大地啟發了設計師的設計靈感及表達。此類文化資源數據庫對文化遺產進行了較好的保護和保存，但僅僅聚焦于典藏與傳播功能領域，對以新興技術驅動文化數據資源設計復用的方式與方法的研究尚少。

由此，本文嘗試以花瑤挑花紋樣為研究載體，依托湖南大學設計藝術學院“新通道”項目所建立的花瑤挑花數字博物館[5]，對花瑤挑花文化原型進行深入研究，將花瑤挑花的藝術與文化信息轉譯為智能設計需要的文化表征規則，并將受眾的個人情感融入計算機智能設計算法，從風格化角度探索創意設計與計算機跨界的新方法，設計花瑤挑花紋樣風格化輔助設計系統，為技術賦能藝術設計及數字文化遺產復用提供新思路與可行方案。

1 花瑤挑花美學風格解析

花瑤是位于湖南隆回虎形山地區的一個古老部族，蘊含寶貴且豐富的文化資源。對于沒有文字的花瑤人民，挑花是記載該民族文化發展與歷史變遷的重要載體。深入挖掘花瑤挑花的文化精髓、領悟其美學內涵，通過設計和科技兩大驅動力將其文化藝術因子轉化為輔助設計素材，對我國文化創意產業的發展和文化的復用具有重要意義。

Leong等[6]提出了文化研究框架，將文化對象分為外在有形層、中間行為層和內部無形層。本文參照該理論，對花瑤挑花進行了大量的桌面研究與實地調研，分別從外在、行為與精神3個維度對花瑤挑花的文化形態進行了歸納，并對其美學風格進行了解析，見圖1。

外在層的內容以感性直觀的藝術形象呈現于客觀世界，以形式美激發審美主體的情感反應。因此，本文嘗試于此層級分別歸納出花瑤挑花的紋樣類型、色彩、造型方式、構圖原則4個方面的內容。在紋樣類型上，花瑤挑花的表現題材豐富多樣，從動植物到歷史故事和神話傳說，無不彰顯著花瑤人和美的、豐收的、興旺的生命感悟與幸福愿景；在色彩上，花瑤挑花紋樣具有對比強烈卻又和諧相宜的色彩圖式，體現出族民質樸絢爛、鮮明熱烈的色彩觀；在造型方式上，花瑤挑花不需要描模和模具，藝人依靠多年積累的挑花經驗可以徒手在布料經緯之間挑制紋樣，想到哪挑到哪，遵循自由賦形的造型觀念，喜用簡化、夸張、求全等方法，散發出質樸純實的審美趣味；在構圖原則上，挑花藝人依照自己真實的情感和對美的理解在經年累月的挑花過程中凝練出對稱平衡、節奏韻律、變化統一等形式經驗，并用散點透視進行畫面組織。

圖1 花瑤挑花美學風格解析

行為層通過花瑤挑花奇巧的挑制范式與用處形成審美關照，體現了行為之美。本文嘗試從花瑤挑花的工藝特征和使用場景出發，對該層級進行總結。在工藝上，花瑤挑花以底布經緯線交叉而成的十字形坐標為依據，通過繡針將繡線挑成互相對稱的斜“十”字或“一”字形針腳，擁有獨具一格的挑花流程；在使用場景上，花瑤人民會依據挑花的不同配色在不同的使用情境中使用不同的挑花制品。

精神層映射出了花瑤民族率性淳樸的精神美，本文根據審美特質和精神情感2個類別對其進行整理。在審美特質上，花瑤人將其對生活中物象的觀察與其對美好生活的追求結合起來，并寄情于挑花紋樣之中，使現實與浪漫相得益彰；在精神情感上，每件挑花作品都是花瑤人精神意象的物質載體，具有獨特的文化意蘊，體現了花瑤人民特有的精神寄托和美好向往。

基于花瑤挑花豐富且顯著的美學風格，本文試圖對其審美邏輯進行創造性轉化，從風格化的視角創新花瑤挑花圖案的種類和形式，使之在不失傳統韻味的前提下符合現代個性化的審美需求，亦是花瑤挑花煥發時代活力和提升現代設計文化內涵的有效探索。

2 設計的風格化

風格這一概念常用于文學、建筑、繪畫等領域，用以概括和區分不同藝術形式或同一藝術形式中不同作品間的獨特藝術特征[7]。從創意設計的角度來看，風格與設計有著不可分割的聯系，設計師通過色彩、比例、位置、形態等視覺載體來詮釋設計作品的設計風格，賦予設計作品有意味的形式，從而形成受眾對作品的差別化印象，并引發同理心和不同程度的情感共鳴，具有相似造型文法和組織圖式的設計作品表達著類似的意象，風格可以揭示此種意象并被受眾感知。風格可通過簡約、動感、現代等抽象的形容詞匯來表達其帶給人的心理感受，受眾將在設計作品中獲得的特征意象與腦海中的風格描述詞相映射，從而形成對設計作品的風格認知。設計致力于解決人的需求，應當將用戶放置于設計的中心地位，以此洞察用戶的需求和興趣[8]。設計師需要從人的角度出發，關注人的情感體驗風格，適應不同的設計模式與風格，以滿足不同目標受眾對不同風格的需要。

要使設計具有某種個性對設計來說是一項艱巨的任務[9]，創意設計是主觀且抽象的，然而，計算機技術能夠解決結構明確的流程化問題。在計算機算力、算法高速發展的當今，智能化設計已成為設計新形態[10]，成為學科融合發展的關注點，從擁有個人情感傾向的角度進行智能設計研究也愈加被關注。Zhao等[9]利用卷積神經網絡（CNN）對設計所具有的個性程度進行了預測，并對源設計進行了修改以增強個性；Gatys等[11]使用深度神經網絡對圖像的風格和內容進行了分離或重組，用以創建新的藝術風格圖像；尤偉濤[12]通過對平面圖像幾何特征、感知特征和風格特征的量化研究，開發了平面廣告圖像排版生成系統。這些研究集中于運用智能技術進行情感化輔助設計，但較少涉及傳統文化資源相關的研究。因此，將傳統文化資源融入智能輔助設計，并考慮受眾精神層面的認知需求是智能輔助設計的新思路，探索化解這2個方面的矛盾并使二者相輔相成的方法，是本文致力探究的重心。

3 花瑤挑花紋樣的輔助設計轉換路徑研究

3.1 花瑤挑花制作流程還原

花瑤挑花往往先構思主體紋樣，之后無需打版畫樣便直接在挑花布上完成主體圖形輪廓部分的挑花，接著隨勢附上填充紋樣，最后再以連接紋樣對整個挑花圖案進行連接，從而構成一個整體，直至整個畫面空白被填滿為止。填充紋樣和連接紋樣是為了讓畫面更加飽滿，是花瑤人對“圓滿”的理想化向往。花瑤挑花紋樣的構成及挑花步驟，見圖2。以花瑤挑花紋樣之菱形魚為例，挑花藝人通常先挑出圖中的主體紋樣（對稱魚以及由對稱魚反復連續而成的四方連續紋樣），再挑出對稱魚之間的填充紋樣，最后在單位四方連續中填充連接紋樣，見圖3。因此，花瑤挑花的主體紋樣在很大程度上決定了整體紋樣的風格樣貌和情感語義，在挑花紋樣智能輔助設計的轉換中，可嘗試將挑花步驟作為花瑤挑花風格化智能輔助設計的流程依據，由用戶選擇主體紋樣，再由系統自動匹配填充紋樣和連接紋樣，從而生成風格化構圖。

圖2 花瑤挑花紋樣構成及挑花步驟

圖3 花瑤挑花紋樣之菱形魚

3.2 花瑤挑花紋樣風格化輔助設計路徑構建

本研究經專家小組多輪討論概括出5類典型的平面設計構圖形式，并篩選出25個形容詞匯用以代表風格類型，邀請多位有多年經驗的設計師對5類構圖形式和25個風格詞匯進行對應匹配，再由小組進行整理討論，將25個風格詞匯分成5大類，分別為歡樂、幸福、奇幻、優雅、柔和；沖突、個性、刺激、突破、動感；多元、變化、開放、包容、現代；浪漫、優美、雅致、自由、活力；莊重、嚴肅、秩序、踏實、安定。將這些風格詞匯作為網絡數據爬取條件在數個設計資源網站收集大量風格化傾向的平面設計作品，運用機器學習法得到5類風格化作品的共性構圖規則與顏色規則。

在花瑤挑花紋樣風格化圖像智能輔助設計的路徑構建中，如何延續與傳承花瑤挑花獨特的藝術特色并使創新設計符合現代審美是需要重點探討的問題，本文嘗試在轉換路徑的構建中對前文所分析的花瑤挑花3個層次的美學風格進行最大化保留。在形式美層面上，讓用戶自主搜索與選擇挑花紋樣，再從中提取局部紋樣作為智能輔助設計的主體紋樣，保留其古樸的造型方式。通過機器學習從5種風格的圖像中提取豐富的顏色特征用以圖像生成，從而延續花瑤挑花鮮明的色彩特征。為了保留花瑤挑花“以滿為美”的構圖原則，本文根據紋樣形狀的語義傾向，從花瑤挑花紋樣原型中提煉出典型連接元素和填充元素用以風格化圖像的構圖填充。在行為美層面，將挑花中“一”字和“十”字針腳作為智能設計的基本單位元素，并以挑花步驟作為花瑤挑花風格化圖像生成的流程依據，使行為美的特征得以延續。為了保留花瑤挑花紋樣的情感寓意，采用紋樣語義搜索的方式獲得主體紋樣，使生成的圖像不僅具有視覺上的美感，又富有傳統圖案本身蘊含的文化內涵。花瑤挑花紋樣風格化輔助設計構圖元素定義，見圖4。

圖4 花瑤挑花紋樣風格化輔助設計構圖元素定義

該花瑤挑花紋樣風格化輔助設計路徑以挑花制作步驟為風格化智能生成圖像的構圖流程，基于花瑤挑花紋樣風格化輔助設計構圖元素定義構建花瑤挑花紋樣風格化輔助設計路徑，用戶先自主選擇花瑤挑花局部紋樣作為智能生成圖像的主體紋樣，再分別使用圖4中所定義的填充紋樣和連接紋樣進行圖像特定區域的風格化構圖，隨后進行智能賦色，完成風格化圖像生成。

4 花瑤挑花紋樣風格化輔助設計系統算法的實現

本文提出構建花瑤挑花紋樣風格化輔助設計系統，并以之作為花瑤挑花紋樣風格化輔助設計的實現方法。為了精確地提取花瑤挑花紋樣的局部紋樣，本文運用人工智能技術進行圖像分割，以便能精細地抽離出目標圖案。此外，為了實現豐富的構圖變化，運用爬蟲技術在互聯網中收集并構建基于不同構圖規則的大規模風格化構圖平面設計作品數據集，并對其進行風格語義標注，為條件生成對抗網絡（cGAN）學習不同風格類型的數據提供基礎。最后利用人工智能算法中的實例檢測找出圖像中的不同語義，利用花瑤挑花的3種不同紋樣對不同語義進行替代，從而得到風格化花瑤挑花設計圖像。花瑤挑花風格化輔助設計系統流程及框架，見圖5。

圖5 花瑤挑花紋樣風格化輔助設計系統構建流程及框架

4.1 數字圖像庫構建

首先，基于花瑤挑花數字博物館構建花瑤挑花數字圖像庫（見圖6），為后期調整深度學習模型以及提取花瑤挑花局部紋樣提供數據基礎。其次，利用爬蟲技術在各大設計素材網站以風格類型關鍵詞為條件爬取大量平面設計作品圖像，構建5種不同風格類型的圖像資料庫，并對風格類型圖像進行標注，再利用深度學習方法對不同風格類型之間的差異特征和同一風格類型的共有特征進行學習，為后期利用生成對抗網絡模型建立不同風格類型的圖像規則提供幫助。

4.2 花瑤挑花紋樣分割提取

用戶先通過語義搜索在風格化設計系統中選擇花瑤挑花紋樣，再使用鼠標在該紋樣中連續點選出感興趣的局部紋樣區域，系統對用戶點選的區域進行剪切，再利用全卷積的U-Net網絡[13]對剪切區域進行語義分割，從中提取用戶想要選擇的紋樣。U-Net網絡已在計算機視覺領域的多個任務中證明了其圖像分割能力優于其他傳統算法。該網絡采用U型結構，由多個卷積神經網絡層和反卷積網絡層構成，較淺的卷積層能夠定位像素，較深的卷積層能對像素級別進行分類。全卷積網絡保證了該模型能夠支持任意的輸入或輸出，即用戶無論截取多大面積的區域，模型都能分割出該區域的對應語義（圖案）。U-Net深度學習網絡采用編碼-解碼結構，通過編碼器獲取局部特征，并進行像素級分類，進而實現特征提取。解碼器利用編碼的抽象特征來恢復原圖尺寸，進而得到最終分割結果。由于解碼器在下采樣圖像數據恢復過程中特征會發生一定變化導致信息丟失，所以U-Net網絡使用跳連接實現特征融合起到了補充信息的作用。讓模型依賴更多信息改善上采樣時信息不足的問題，可以提高圖像分割精度。由于花瑤挑花圖案的數據量有限，本文采用預訓練好的U-Net網絡模型來進行語義分割，從而實現花瑤挑花圖案的局部紋樣提取。

圖6 花瑤挑花數字博物館

4.3 基于花瑤挑花的風格化圖像智能生成

本文采用條件生成對抗網絡模型實現風格化圖像的生成，條件生成對抗網絡模型包含生成器網絡和判別器網絡2個競爭性神經網絡及輸入條件。生成器將隨機噪聲作為輸入，嘗試生成偽風格類型圖像樣本，判別器用作分類器，以區分實際的風格類型圖像樣本和偽風格類型圖像樣本。輸入條件用于控制并約束限制圖像的生成，使生成圖像滿足輸入條件。

為了使生成圖像滿足風格化構圖規則與顏色特征，本文通過風格化構圖規則與顏色提取算法，提取相關特征作為條件生成對抗網絡模型的輸入條件。深度學習算法的最新發展使自動特征提取取代了手動定義的圖像特征提取器。為了能更好地自動提取到圖像的典型構圖特征與顏色特征，通過預訓練好的ResNet101網絡對5種風格的設計圖像進行提取，將得到的特征作為條件生成對抗網絡模型的條件。該網絡包含多個殘差塊，每個殘差塊中有3層卷積層，其內部由殘差結構連接，公式如下：

(1)

x為殘差模塊中的輸入信息，f函數為卷積層，y為殘差模塊的輸出信息。本文運用預訓練好的生成器網絡中的特征編碼模塊來對5類風格的設計圖像進行特征提取。圖4中構圖規則展示了從特征編碼模塊中提取到的部分不同風格的構圖。為了能夠讓模型能夠提取到每個風格類型的顏色特征，將圖像色彩的RGB三通道信息輸入模型中，該特征圖包含與顏色特征具有復雜交織關系的整體構圖規則，見圖7。

圖7 由特征編碼模塊得到的部分圖像顏色特征圖

Fig.7 Part of the image color feature map obtained by the feature encoding module

最后將隨機噪聲和輸入條件輸入生成器，再將生成器生成的偽風格類型圖像樣本與實際的風格類型圖像樣本輸入判別器中，經過對抗訓練后，生成器趨向于生成與實際的風格類型圖像樣本幾乎相同分布的偽風格類型圖像樣本。本文采用對抗訓練策略對這2個神經網絡同時進行訓練。

GAN對抗訓練算法

結束迭代

其中，生成器采用雙流殘差架構，其中包含多個內部殘差塊和一個外部跳過連接。每個殘差塊包含3個卷積層，其中每個卷積層后都有一個批處理歸一化層，可有效防止過度擬合。生成器可以大致分為3個模塊：特征編碼模塊、非線性映射模塊以及重建模塊。其中特征編碼模塊用于提取圖像特征，非線性映射模塊基于這些特征建立非線性關系，重建模塊通過這個非線性對應關系重建新的圖像。因生成器網絡屬于典型的全卷積網絡，所以可生成任意大小的偽風格類型圖像樣本。判別器網絡用于提取生成圖像及真實圖像的特征，并在特征層面區分兩者的差距。判別器網絡已被模塊化為多個卷積塊，在通過各個卷積塊時，輸入的數據大小將被減半。在進入2個全連接層并通過激活函數進行轉換之前，將卷積塊得到的高級特征展開成一維向量。整個訓練過程可以視為最小-最大問題：

本文基于Pytorch深度學習框架，使用風格類型圖像庫來訓練生成對抗模型。為了對圖像中的不同目標實現精確分割，紋樣填充步驟運用的是實例分割算法中的Mask R-CNN網絡模型[14]，該算法在語義分割的基礎上能夠區分出同一圖像中不同的個體，從而區分出圖像語義中主體語義和次要語義部分。該模型的主體網絡框架結構同樣采用ResNet101模型結構[15]，利用ResNet101找到輸入圖像中的擬定區域，并對其進行分類和定位，隨后精確分割語義，將分割出來的主體語義替換成用戶選擇的紋樣，即主體紋樣，基于風格化語義構圖定義，將次要語義的內容用填充紋樣通過圖像填充算法進行替代，剩下的空白語義部分使用連接紋樣通過封閉連通域的方法進行圖像填充。

5 花瑤挑花紋樣風格化輔助設計方法的應用

新興技術催生了設計新模式，可將設計師從煩瑣重復的設計勞動中解放出來的智能輔助設計日漸受到廣泛關注，將文化基因融入設計是為設計注入靈魂的有效途徑，將用戶的情感需求和喜好與之相結合更能提升設計產出的滿意度，增加文化創意產品的附屬價值。

本文以花瑤挑花中的菱形魚紋樣為例，基于花瑤挑花紋樣風格化輔助設計方法進行了創作實踐。首先，用戶在花瑤挑花紋樣數據庫中根據語義搜索選擇意向紋樣，用鼠標點選菱形魚紋樣中的對稱魚作為主體紋樣，系統對其進行實例分割提取；接著用戶輸入或選擇如嚴肅、現代等風格化關鍵詞，系統根據風格定義智能生成3個與用戶風格需求匹配的可選風格化設計創新方案，如果生成圖不符合要求，可進行多次風格化圖像智能生成；最后用戶可從方案中挑選1個并通過端口鏈接設計軟件進行設計調整，從而實現文化創意產品設計，見圖8。

圖8 基于花瑤挑花紋樣風格化輔助設計方法的文化創意產品設計

6 結語

以人工智能為代表的技術體系的到來賦能了文化遺產的保護與再生，為傳統設計的思維架構和方法體系開拓了廣闊的可行空間，使設計助力文化遺產的傳承與創新產生了智能新業態。本文將人工智能等技術應用于花瑤挑花風格化輔助設計中，整理歸納了花瑤挑花美學風格特征，基于花瑤挑花美學特征提出了風格化的智能輔助設計轉換路徑，研究了紋樣提取、圖案生成、智能賦色的技術可行方法，并用以實現風格化輔設計智能生成，運用花瑤挑花紋樣風格化輔助設計方法進行了文化創意產品設計。對花瑤挑花紋樣風格化輔助設計的研究能有效輔助設計師進行文化創意設計，減少設計師重復的設計操作，提高創意設計的效率與質量，為技術賦能傳統文化創新設計、提高文化數字平臺創新能力提供了新思路。然而，由于對風格的定義存在較大的主觀差異性，個體對風格的心理感受不盡相同，風格化定義與轉換的方法尚需進一步驗證與完善。

[1] 李硯祖. 紋樣新探[J]. 文藝研究, 1992(6): 115-135.

LI Yan-zu. New Exploration of Patterns[J]. Literature & Art Studies, 1992(6): 115-135.

[2] 彭冬梅, 潘魯生, 孫守遷. 數字化保護——非物質文化遺產保護的新手段[J]. 美術研究, 2006(1): 47-51.

PENG Dong-mei, PAN Lu-sheng, SUN Shou-qian. Digital Protection—A New Means of Intangible Cultural Heritage Protection[J]. Art Research, 2006(1): 47-51.

[3] 李輝, 何人可, 肖狄虎. 面向設計的地域文化數字資源庫研究[J]. 包裝工程, 2016, 37(18): 86-91.

LI Hui, HE Ren-ke, XIAO Di-hu. Regional Culture Digital Resource Database Design-Oriented[J]. Packaging Engineering, 2016, 37(18): 86-91.

[4] 羅仕鑒, 董燁楠. 面向創意設計的器物知識分類研究[J]. 浙江大學學報(工學版), 2017, 51(1): 113-123.

LUO Shi-jian, DONG Ye-nan. Classifying Cultural Artifacts Knowledge for Creative Design[J]. Journal of Zhejiang University (Engineering Science), 2017, 51(1): 113-123.

[5] 花瑤挑花數字博物館[EB/OL]. (2019-05-18)[2020-05-09]. http://121.40.16.252/hyk/.

Huayao Flower Digital Museum[EB/OL]. (2019-05-18)[2020-05-09]. http://121.40.16.252/hyk/.

[6] LEONG B D, CLARK H. Culture-Based Knowledge towards New Design Thinking and Practice: A Dialogue[J]. Design Issues, 2003, 19(3): 48-58.

[7] 王凱. 產品造型風格意象認知的研究[D]. 杭州: 浙江大學, 2004.

WANG Kai. Exploration on Cognition of Product Formal Based on Semiology and Aesthetic[D]. Hangzhou: Zhejiang University, 2004.

[8] ABRAS C, MALONEY K D, PREECE J. User-Centered Design[J]. Encyclopedia of Human-Computer Interac-tion, 2004, 37(4): 445-456.

[9] ZHAO N, CAO Y, LAU R W H. What Characterizes Personalities of Graphic Designs?[J]. ACM Transactions on Graphics, (TOG), 2018, 37(4): 1-15.

[10] 吳瓊. 人工智能時代的創新設計思維[J]. 裝飾, 2019(11): 18-21.

WU Qiong. Innovative Design Thinking in the Era of Artificial Intelligence[J]. Art & Design, 2019(11): 18-21.

[11] GATYS L A, ECKER A S, BETHGE M. A Neural Algorithm of Artistic Style[J]. Journal of Vision, 2015, 6: 123-136.

[12] 尤偉濤. 設計特征驅動的平面圖像生成方法研究[D]. 杭州: 浙江大學, 2020.

YOU Wei-tao. The Research of Graphic Image Generation Based on Design Features[D]. Hangzhou: Zhejiang University, 2020.

[13] RONNEBERGER O, FISCHER P, BROX T. U-Net: Convolutional Networks for Biomedical Image Segmentation[M]// Lecture Notes in Computer Science. Cham: Springer International Publishing, 2015: 234-241.

[14] HE K, GKIOXARI G, DOLLáR P, et al. Mask R-Cnn[C]// Proceedings of The IEEE International Conference on Computer Vision. 2017: 2961-2969.

[15] HE K, ZHANG X, REN S, et al. Deep Residual Learning for Image recognition[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2016: 770-778.

Computer-aided Design Based on Stylized Images of Huayao Cross-stitch Patterns

CHEN Jun-chun1, PENG Jian1, GUO Yin-man1, MO Zhe-qiong1, WANG Bin2

(1. Hunan University, Changsha 410082, China; 2. Central South University, Changsha 410083, China)

This paper aims to explore the stylization computer-aided design method of Huayao cross-stitch patterns. Firstly, the aesthetic characteristics and production process of Huayao cross-stitch works are analyzed to explore intelligent conversion paths of computer-aided design for cultural prototype stylization. Secondly, collect and sort out the stylization design to establish an image database. Technologies such as artificial intelligence are introduced to segment Huayao cross-stitch patterns and extract the composition and color semantic features from five style types of images，so as to generate new stylization cross-stitch images Finally, the construction process and framework of the computer-aided design system areproposed, which can be used for the design of cultural and creative Huayao cross-stitch works. Huayao cross-stitch work is an important part of China's intangible cultural heritage, which contains rich aesthetic appreciation and cultural connotations. The computer-aided design method proposed in this paper integrates the emotional needs of users into the intelligent design system, enriching innovative design methods of traditional patterns, providing a new way for the inheritance and reuse of Huayao cross-stitch works, and satisfying consumers’ personalized demands for cultural and creative products.

Huayao cross-stitch patterns; stylization; computer-aided design; artificial intelligence

TB472

A

1001-3563(2022)14-0246-08

10.19554/j.cnki.1001-3563.2022.14.029

2022–02–22

國家重點研發計劃課題（2019YFB1405702）；國家社科基金藝術學重點項目（20AG011）

陳鋆純（1987—），女，博士生，主要研究方向為文化創新設計。

郭寅曼（1990—），女，博士，助理研究員，主要研究方向為數字文化創新。

責任編輯：馬夢遙