书法是中国优秀传统文化的重要组成部分,书法的发展对于中华优秀文化的发展有着非常重要的意义。在书法漫长的演变岁月里,出现过很多优秀的书法家,也留下过很多精彩的书法作品,然而,由于年代久远,这些作品中保存下的书法字十分有限,难以被学习和利用。如何利用少量书法字生成完整的特定风格书法字字体成为新的研究热点。现存的生成方法中,为了实现汉字结构的约束,一般包含笔画提取和笔画变换两个步骤。笔画提取一般使用一致性点漂移算法(Coherent Point Drift,CPD)匹配参考书法字骨架,但是,这种方法只能获取笔画的骨架点,且无法应对复杂字形的情况。笔画变换一般使用神经网络或深度模型建立变换关系,但是这种方法同样只能获得骨架点,利用渲染模型进一步获得汉字字形的方法也容易造成字形的失真。书法有着复杂的字形变化,现存方法难以解决特定风格书法字的生成问题。针对以上问题,本文首先利用图像语义分割和书法字识别技术,将书法字字形的按照笔画类别进行语义分割,获得书法字字形骨架点,将传统二维骨架点匹配问题转化为三维,避免了由于笔画交叉而产生的匹配错误。此外,笔画的语义分割可以获得字形轮廓的语义信息,基于此可以获得完整的笔画图像,实现对书法字笔画的提取。其次,本文依据书法领域知识,构建笔触模型,将楷体作为参考字体,基于参考字体提出书法字笔触自动提取方法,实现对书法字笔触的自动提取。最后,本文利用深度学习技术建立参考汉字笔触到特定风格书法字笔触的变换模型,实现楷体汉字笔触到特定风格书法字笔触的转换。利用转换后的笔触绘制出完整的书法字。为进一步提升生成质量,论文建立渲染网络消除生成书法字边缘上的差异。实验结果表明,笔画语义分割的应用可以有效应对复杂字形的骨架匹配和笔画提取问题;笔触模型的应用分解了深度模型的风格学习过程,降低了学习难度,有效应对了深度学习方法中书法字字形失真问题。