汉字书法在中国有着悠久的历史传承,是东方独特的艺术表现形式,其中蕴含了多样的书写技巧与审美观念,是中国特有的文化瑰宝。为了让书法汉字从传统宣纸迈进计算机信息化发展之中,研究以笔画拆解为目标的书法汉字笔画矢量化方法,是书法学习走向数字化必不可少的步骤之一。而由于书法汉字的笔画类型十分多样,又有诸如楷书、行书、行楷等非常多不同的字体,汉字的种类在书法领域更是超过了人们常用汉字数量的很多倍,这些都为书法汉字笔画拆解方法的泛化能力提出了挑战。现有的许多笔画拆解方法常常会遇到交叉区域的歧义性问题,另外书法汉字笔画厚重,笔画轮廓由特殊的毛笔书写技巧形成,在交叉重叠的部分笔画轮廓被隐藏了起来,如何还原出缺失的轮廓信息也是笔画拆解的另一个难点。也因此,研究书法汉字的笔画分割方法变得更具有现实意义。本文针对现有的语义矢量化方法所存在缺陷的原因进行分析,提出了许多有效的改进方法,并将该方法应用到书法智能教育实践之中,主要工作内容如下:(1)提出了一种计算完整路径相关性的卷积网络结构。本文对VNet方法进行改进,指出了在训练路径相关性这一过程中存在的问题,首先,交叉区域的路径相关性应该是完整的,而不是相交路径中的某一条路径;其次,路径相关性应该是二值的,而不是与像素的灰度值相关;最后,考虑到该问题需要卷积网络具有较大范围的感受野,我们对VDSR模型的网络深度和卷积核大小进行调整,以获得完整的感受野,最终预测结果在IOU指标上优于原有方法。(2)提出了一种基于全局相关海拔图预测交叉区域的重叠程度的方法。本文提出了全局相关海拔图的概念,这一概念对本文方法在还原重叠区域的潜在轮廓时起到了关键作用,为笔画分割领域对解决重叠而产生的轮廓缺失问题提供了新的思路,在预测结果的IOU比较中,我们方法也优于其他方法。现有的重叠区域预测方法解决的是一个分类问题,我们将其推广为一个回归问题,并基于预测的重叠数量,对图的结构进行多次节点增广,最终解决了多重叠问题。(3)本文将汉字矢量化方法与书法在线智能教育实践相结合,研发了书法在线智能教育平台,一方面使用户能够对书法作品的笔画轮廓进行拆解观察,加强学习的深入性,另一方面汉字笔画矢量化方法为汉字评价方法,汉字美化方法,汉字风格迁移方法等数字书法领域提供了技术前驱。