[發明專利]一種西波字體生成和識別方法

在審

• 申請號: 202011017747.X
• 申請日: 2020-09-24
• 公開（公告）號: CN112131834A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 唐軼
• 申請（專利權）人: 云南民族大學
• 主分類號: G06F40/109
• 分類號: G06F40/109;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都東恒知盛知識產權代理事務所(特殊普通合伙) 51304
• 代理人: 何健雄;廖祥文

本發明涉及圖像處理技術領域，且公開了一種西波字體生成和識別方法，包括以下步驟：A1、西波字體生成，西波字體的生成包括以下步驟：S1、生成器的輸入；S2、生成器的數據流，數據逐塊流過，每一個塊的數據流方式為：對輸入noise_style和noise進行spatially?adaptive normalization(SPADE)操作，然后把SPADE的數據流與noise_image進行融合，接下來，對融合結果進行relu激活；S3、判別器的輸入，喂給判別器的圖像都是處理成256x256的單字RGB圖像。本發明實現了較少西波字體數據集下的字體生成。本發明是基于字體圖像的生成方法，通過訓練階段喂給判別器手寫毛筆漢字，提取字體的筆畫特征。相對于基于字體筆跡的生成方法，節省了計算機的計算開銷。

技術領域

本發明涉及圖像處理技術領域，具體為一種西波字體生成和識別方法。

背景技術

西波文字受時間洗禮和傳承方式的限制，現存該文字數量較少、風格單一。在使用神經網絡模型處理該文字時，模型受到很大的限制。對于這個問題，生成西波字體是一種有效的技術手段，它通過計算機學習采集到的某個人書寫筆跡，生成具有該人書寫風格的西波文字。對于常見的文字生成方法，根據應用場景的不同，大致可以分為兩類。一類是基于字體筆跡的生成方法，另一類是基于字體(掃描、拍照)圖像的生成方法。

對于基于字體筆跡的生成方法來說，應用場景多是讓機械臂幫人們處理手寫任務，比如：代替個人寫親筆信、幫助文員做手寫文案工作等。在這類方法中，首先要獲取字體具體的筆跡，接著，就要考慮筆跡的數據屬性：是連續性數據還是離散型數據？并依據筆跡的數據類型，給出空間表示。Lian等人在文獻“Lian,Zhouhui and Jianguo Xiao.“Automatic shape morphing for Chinese characters.”SA'12(2012).”中提出一種基于筆跡自動實現不同風格漢字生成的模型，建立了單個字不同風格之間的準確對應關系。但是對應點查找步驟太過復雜，增加了計算開銷。

對于基于字體圖像的生成方法來說，在應用場景上，以生成新的字體為目標，可以僅依賴文字的圖像完成。Chang等人在文獻“Chang,Bo,Qiong Zhang,Shenyi Pan and LiliMeng.“Generating Handwritten Chinese Characters Using CycleGAN”2018IEEEWinter Conference on Applications of Computer Vision(WACV)(2018)：199-207.”中用cycleGAN模型對未配對的手寫漢字進行個性化風格生成。該方法易于提取文字風格且可以一次性生成整張圖片。但是，這類方法存在的缺陷是對手寫文字到的筆畫信息(字體筆畫的書寫規律、先后順序)會丟失。github賬號名為kaonashi-tyc的用戶，在https：//github.com/kaonashi-tyc/zi2zi上給出“zi2zi”的基于字體圖像的文字生成模型。該模型在字體的生成結果上取得了很大的進展。然而，模型需要大量的字體數據集。

發明內容

本發明的目的在于提供了一種西波字體生成和識別方法。

為實現上述目的，本發明提供如下技術方案：一種西波字體生成和識別方法，包括以下步驟：

A1、西波字體生成，西波字體的生成包括以下步驟：

S1、生成器的輸入；

S2、生成器的數據流，數據逐塊流過，每一個塊的數據流方式為：對輸入noise_style和noise進行spatially-adaptive normalization(SPADE)操作，然后把SPADE的數據流與noise_image進行融合，接下來，對融合結果進行relu激活；

S3、判別器的輸入，喂給判別器的圖像都是處理成256x256的單字RGB圖像；