1.构建书法浮雕深度学习网络模型的方法，其特征在于包括如下步骤：基于多种数量和种类的书法字体图像及对应的书法字体浮雕构建数据集，所述书法字体浮雕的类型包括渐变型和扁平型；

基于书法字体浮雕的类型，分别构建渐变型书法字体浮雕和扁平型书法字体浮雕，并将数据集中书法字体及对应的书法字体浮雕分别进行组合，得到扁平型浮雕数据集和渐变型浮雕数据集，每种数据集均划分为训练子集、验证子集和测试子集；

构建浮雕深度学习网络，所述浮雕深度学习网络主要由收缩路径和扩展路径组成；

以扁平型高度场数据集中的训练子集为输入，基于损失函数训练浮雕深度学习网络中的参数，以扁平型高度场数据集中的验证子集验证模型，经过不断迭代和模型参数调整，得到训练后的扁平型浮雕深度学习网络模型，以扁平型高度场数据集中测试子集对训练后的扁平型浮雕深度学习网络模型进行评估；

以渐变型高度场数据集中的训练子集为输入，基于损失函数训练浮雕深度学习网络中的参数，以渐变型高度场数据集中的验证子集验证模型，经过不断迭代和模型参数调整，得到训练后的渐变型浮雕深度学习网络模型，以渐变型高度场数据集中测试子集对训练后的渐变型浮雕深度学习网络模型进行评估。

2.根据权利要求1所述的构建书法浮雕深度学习网络的方法，其特征在于所述数据集中书法字体图像为单通道位图，且所述书法字体图像中背景部分像素灰度值为0，字体部分像素灰度值为255。

3.根据权利要求1或2所述的构建书法浮雕深度学习网络的方法，其特征在于通过拉普拉斯曲面膨胀构造渐变型书法字体浮雕，包括如下步骤：对于每个输入的书法字体图像，将其转换为三角形网格的形式；

以背景网格顶点为约束，通过求解如下公式来膨胀字体区域：

其中， 为Laplace–Beltrami算子，h(vi)为高度值，s为小常量，默认情况下s＝

0.0001；

求解上述公式后，将高度场大小调整在[0.0,0.025×d]范围内，其中d为整个网格模型的宽度；

将整个网格模型转换为8位灰度图像，作为ground truth中对应的输出，得到渐变型高度场以及渐变型书法字体浮雕网格。

4.根据权利要求1或2所述的构建书法浮雕深度学习网络的方法，其特征在于通过计算一个新法向场生成扁平型书法字体浮雕，包括如下步骤：设Ni＝[nx,ny,nz]为笔画边界处的法向量，令nz＝0，并将法向量Ni归一化为N′i＝[n′x,n′y,0.0]，使得法向量Ni′垂直于高度方向[0.0,0.0,1.0]；

以N′i(i＝0,1,......,n)为输入，通过求解如下线性系统计算网格顶点法向x-和y-分量：其中， 为Laplace–Beltrami算子，N(vi)为法向x-或y-分量；

通过如下计算公式计算法向z-分量：

得到网格顶点法向x-、y-分量以及z-分量后，字体区域已均匀膨胀，将背景网格顶点的高度设置为0，并将字体网格顶点的高度定义为0.05×nZ，得到扁平型高度场以及扁平型书法字体浮雕网格。

5.根据权利要求1或2所述的构建书法浮雕深度学习网络的方法，其特征在于所述收缩路径包括多个收缩模块，每个收缩模块均配置有卷积层和池化层，卷积层采用same填充，且共有两个，分别为第一卷积层和第二卷积层，所述收缩模块用于通过执行如下步骤进行特征提取：第一卷积层完成卷积并通过ReLU函数激活后，进行随机失活；

第二卷积层完成卷积并通过ReLU函数激活后，通过池化层进行下采样，输出特征图；

所述扩展路径包括多个扩展模块，扩展模块与收缩模块一一对应并串接，每个扩展模块均配置有卷积层，卷积层采用same填充，且共有两个，分别为第一卷积层和第二卷积层，所述扩展模块用于通过执行如下步骤进行特征提取：进行上采样，并从与其串接的收缩模块中获取特征图，将上采样获取的特征图和从与其串接的收缩模块中获取的输出特征图相结合，得到相结合特征图；

第一卷积层完成卷积并通过ReLU函数激活后，进行随机失活；

第二卷积层完成卷积并通过ReLU函数激活后，输出特征图。

6.根据权利要求5所述的构建书法浮雕深度学习网络的方法，其特征在于所述收缩路径和扩展路径通过中间模块进行连接，所述中间模块配置有卷积层，卷积层采用same填充且共有两个，分别为第一卷积层和第二卷积层，所述中间模块用于通过如下步骤进行特征提取：第一卷积层完成卷积并通过ReLU函数激活后，进行随机失活；

第二卷积层完成卷积并通过ReLU函数激活后，进行随机失活。

7.根据权利要求5所述的构建书法浮雕深度学习网络的方法，其特征在于所述收缩路径中收缩模块共四个，对应的，所述扩展路径中扩展模块共四个。

8.根据权利要求1或2所述的构建书法浮雕深度学习网络的方法，其特征在于通过最小化如下公式中的损失函数训练浮雕深度学习网络中的参数：其中， 表示预测灰度值， 表示ground truth灰度值。

9.构建书法浮雕的方法，其特征在于通过如权利要求1-8任一项所述的构建书法浮雕深度学习网络的方法得到训练后的扁平型浮雕深度学习网络模型以及训练后的渐变型浮雕深度学习网络模型，通过训练后的扁平型浮雕深度学习网络模型以及训练后的渐变型浮雕深度学习网络模型预测书法字体浮雕的高度场，所述方法包括如下步骤：给定单张书法字体图像作为目标图像；

将目标图像输入训练后的扁平型浮雕深度学习网络模型进行书法浮雕预测，得到扁平型高度场；

将目标图像输入训练后的渐变型浮雕深度学习网络模型进行书法浮雕预测，得到渐变型高度场；

将扁平型高度场和渐变型高度场进行线性合并，得到书法字体浮雕。

10.根据权利要求7所述的构建书法浮雕的方法，其特征在于将目标图像输入扁平型浮雕深度学习网络以及渐变型浮雕深度学习网络之前，对目标图像进行预处理，将目标图像转换为单通道位图，转换后目标图像中背景部分像素灰度值为0，字体部分像素灰度值为

255。