科研之友
微信
新浪微博
Facebook
分享链接
摘要
手写文字图像补全是图像补全问题中一个重要研究分支,其难点在于图片中具有无约束书写风格的文字的结构关系补全。为了模拟实际中复杂和困难的应用情景,在图像补全研究工作的启发下,针对大类别、小样本、多风格、未知语种等复杂情况下进行手写象形文字图像补全。采用全局和局部一致性保持的生成式对抗神经网络(GLC-GAN)。在大类别多风格的手写文字图像补全中,补全图片往往因可能的补全候选很丰富而导致补全区域模糊不清。为此,提出两级补全系统:第一级粗补全模块考虑文字结构的完整性,第二级细补全模块实现文字的清晰化、细致化。通过在大类别手写汉字数据库CASIA-HWDB1.1上的实验,验证了该两级系统的有效性,同时分析系统在不同书写风格和不同缺失区域情况下的补全效果。
- 单位
