一种基于端点顺序预测的手写体笔画恢复方法

作者：张瑞; 湛永松^*; 杨明浩

来源：计算机科学, 2019, S2: 264-267.

• 手写字体
• 时序信息
• 深度学习
• 笔画恢复
• 卷积神经网络

针对汉字手写体的笔画动态序列恢复问题,文中提出了一种基于端点顺序预测的手写体笔画顺序恢复模型。首先对经过数字化处理后的手写体图像进行细化、笔画片段分割、图像坐标提取和规整等预处理,然后利用预处理后的图像和对应的书写坐标序列生成网络训练的样本,样本由静态手写体图像和包含字体书写顺序的热力图标签组成,该模型采用一种端到端的卷积神经网络结构,最后使用训练好的网络模型对静态手写体图像进行预测,从而得到字体原先的书写顺序。实验结果表明,该方法能够有效地对5笔以内的手写字体进行书写顺序的恢复,具有较高的准确率和处理速度。

• 单位
  桂林电子科技大学; 模式识别国家重点实验室; 中国科学院自动化研究所