一种基于生成对抗网络的手写字体纠正系统技术方案

一种基于生成对抗网络的手写字体纠正系统，包括字体练习数据库模块、手写字体识别分类模块和手写字体纠正反馈模块，针对目前手写字体练习过程中时效性指导能力弱，客观评价占比低和缺少自动纠正机制等问题，利用数据库结合生成对抗网络算法模型以提升笔迹练习过程中的有效纠正和反馈，引进了一种反演模型至传统的生成

【技术实现步骤摘要】
一种基于生成对抗网络的手写字体纠正系统


[0001]本专利技术涉及文体教育领域，具体地说，涉及一种基于生成对抗网络的手写字体纠正系统。

技术介绍

[0002]笔迹是人类文明的宝贵财富和基础教育的重要内容。通过书法教育对学生进行书写基本技能的培养和书法艺术欣赏的重要途径。教育部强调，在义务教育阶段，要按照课程标准要求开展书法教育。在义务教育阶段美术、艺术等课程中，要结合学科特点开展形式多样的书法教育。当前，随着信息技术的迅猛发展以及电脑、手机的普及，人们的交流方式以及学习方式都发生了极大的变化，学生的汉字书写能力有所削弱，并且，在习字过程中错别字的问题尤为突出，是每位学生不可避免的现状，如何正确的引导书写习惯和习字正确性是待解决的重要问题，但是，目前手写字体缺乏自动的字体纠正机制，本专利技术针对目前手写字体练习过程中时效性指导能力弱，客观评价占比低和缺少自动纠正机制等问题，利用数据库结合生成对抗网络算法模型以提升笔迹练习过程中的有效纠正。其应用层面广，经济成本低，可以推广至广泛的社会应用，带来良好的社会和教育效益。

技术实现思路

[0003]本专利技术的目的在于提供一种基于生成对抗网络的手写字体纠正系统，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，提供了一种基于生成对抗网络的手写字体纠正系统，包括字体练习数据库模块、手写字体识别分类模块和手写字体纠正反馈模块；具体过程描述如下：
[0005]S1.基于同一手写载体的背景，以载体背景的标准尺寸为依据，通过相机捕捉手写字体的信息流；
[0006]S2.基于标准字体设置手写字体信息的关键属性，以此属性作为系统数据库的储存结构信息，并构建系统数据库；
[0007]S3.使用斜线冗余像素消除模板提取电子版标准字体作为训练集，采用特征分类算法获得训练集中各类标准字体的书写特征，提取图像Hu矩，将图像进行二值化处理，并进行手写字体的分类识别；
[0008]S4.确定好手写字体类别后，构建多维生成对抗网络算法模型，以S2中的手写字体信息的关键属性和S3中的标准字体的书写特征相对照，以每一笔划为测试依据；
[0009]S5.将S4中的测试结果与标准字体的笔划和位置信息进行对比，不断迭代多维生成对抗网络算法模型，将最终的算法部署至本地计算机，构建手写字体纠正和反馈系统。
[0010]进一步的，所述S1中同一手写载体的背景，指的是手写字体所作用的纸质和电子屏幕载体的一种组合。
[0011]进一步的，所述S1中以载体背景的标准尺寸为依据，通过相机捕捉手写字体的信息流，将手写字体作用的载体统一转换为可由电脑识别的256*256个像素的标准尺寸的照
片或者视频流。
[0012]进一步的，所述S2中基于标准字体设置手写字体信息的关键属性，包括手写笔迹所涉及的特殊符号，汉字，外文字符的笔划属性。
[0013]进一步的，所述S2中系统数据库结合SQL结构型与NoSQL非结构型的特点，主要以MongoDB数据库为基础方式。
[0014]进一步的，所述S3中提取电子版标准字体作为训练集以本地计算机管理员所在功能盘中的系统字体为索引导入字体信息。
[0015]进一步的，所述S3中采用特征分类算法获得训练集中各类标准字体的书写特征，详细过程如下：
[0016]本专利技术使用一种改进的书法字骨架化算法，首先输入手写字图像后，进行图像预处理，使用图像细化算法遍历手写字骨架，文使用斜线冗余像素消除模板对骨架细节进行冗余去除，遍历完毕后输出处理完毕的手写字骨架。本专利技术中，利用不变矩以及皮尔逊相关系数度量字骨架之间的相似程度，利用计算得出的相似度作为手写字与标准字之间的相似度评分。矩是用来量化描述图像特征的算子，其定义为图像像素强度的加权平均值，对所有像素的总和进行计算，像素的强度的权重与它们所处的图像的位置无关。一幅图像的Hu矩能够表示一幅图像的全局性结构特征，它的值相对稳定，在平移、旋转和尺度变换之后仍旧保持着相对不变性，因此，Hu矩能够表达书法字骨架的结构特征。
[0017]在提取图像Hu矩时，首先要将图像进行二值化处理，假设处理完的图像为pic(x，y)，它的p+q阶原点矩可以作如下式表示：
[0018][0019]其中p、q为图像二值化处理参数，那么，连续函数pic(x，y)的p+q阶矩阵的离散形式为下式：
[0020][0021]图像的中心位置可以由下式计算出：
[0022][0023]上述公式中，为这个图像的中心点坐标，公式中分母一阶矩R
10
＝∑
x
∑
y
xpic(x，y)，除以分子R
01
＝∑
x
∑
y
xpic(x，y)表示除以厚为1的物体的质量，的求法同理，这个中心点坐标可以作为该图灰度重心的坐标进行理解。
[0024]求中心矩阵的公式为：
[0025][0026]其中，为这个图像的中心点坐标；R
20
表示经由灰度重心的竖直方向的轴线
的惯性矩；R
02
表示经由灰度重心的横向方向的轴线惯性矩，这两个值可以表示这个二值图像在竖直和横向方向上的长短；R
30
可以描述目标图像在竖直方向上是否具有不对称性，如果目标图像在竖直方向是对称的，该值为0；R
03
可以描述目标图像在横向方向上是否具有不对称性，如果目标图像在横向方向上是对称的，该值为0；综合上述中心矩阵Rpq能够表达二值图灰度在它灰度重心的分布情况，为了降低由于尺度变化对中心距带来的不确定影响，使用零阶矩进行归一化处理。
[0027]提取书法字骨架图像的Hu矩后，计算书法字骨架之间的相似度就变成了计算Hu矩之间的相似程度，由于用户书写会出现字体出格的情况，为此，引入补足相似度值的倒数来表示格内外的连接，相似度J的相关公式为：
[0028][0029]其中，J属于0～1；n表示样本的数量；P为衡量X和Y之间相关强弱的程度；Xi表示X中第i个样本的值；为X样本的平均值；Yi表示Y中第i个样本的值；为Y样本的平均值；表示字体出格的补足相似度值。
[0030]进一步的，所述S4中构建多维生成对抗网络算法模型，详细过程如下：
[0031]在具体应用过程中，基于生成对抗网络搭建手写字体纠正系统，通过生成模型G，反演模型U和判别模型H三种不同的方式实现手写字数据信息评估与分析。实现数据信息生成对抗网络的判别模型能够将手写字数据信息通过输入分类数据信息，进而将手写字数据信息通过生成模型的方式进行输出，进一步将能够实现的基础数据样本信息通过信息p(x)的形式实现输出。
[0032]在生成对抗网络模型的过程中，将对抗过程划分为极小、极大二元博弈问题。输出的生成模型具有出色的去噪处理能力，在具体工作过程中能够将输出的噪声作为输入信息，并将输入的数据信息转化为样本数据集合x～G，通过判别模型也能够输出数据信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的手写字体纠正系统，其特征在于，包括字体练习数据库模块、手写字体识别分类模块和手写字体纠正反馈模块；所述系统具体运行过程如下：S1.基于同一手写载体的背景，以载体背景的标准尺寸为依据，通过相机捕捉手写字体的信息流；S2.基于标准字体设置手写字体信息的关键属性，以此属性作为系统数据库的储存结构信息，并构建系统数据库；S3.使用斜线冗余像素消除模板提取电子版标准字体作为训练集，采用特征分类算法获得训练集中各类标准字体的书写特征，提取图像Hu矩，将图像进行二值化处理，并进行手写字体的分类识别；S4.确定好手写字体类别后，构建多维生成对抗网络算法模型，以S2中的手写字体信息的关键属性和S3中的标准字体的书写特征相对照，以每一笔划为测试依据；S5.将S4中的测试结果与标准字体的笔划和位置信息进行对比，不断迭代多维生成对抗网络算法模型，将最终的算法部署至本地计算机，构建手写字体纠正和反馈系统。2.根据权利要求1所述一种基于生成对抗网络的手写字体纠正系统，其特征在于，所述S1中同一手写载体的背景，指的是手写字体所作用的纸质和电子屏幕载体的一种组合。3.根据权利要求1所述一种基于生成对抗网络的手写字体纠正系统，其特征在于，所述S1中以载体背景的标准尺寸为依据，通过相机捕捉手写字体的信息流，将手写字体作用的载体统一转换为可由电脑识别的256*256个像素的标准尺寸的照片或者视频流。4.根据权利要求1所述一种基于生成对抗网络的手写字体纠正系统，其特征在于，所述S2中基于标准字体设置手写字体信息的关键属性，包括手写笔迹所涉及的特殊符号，汉字，外文字符的笔划属性。5.根据权利要求1所述一种基于生成对抗网络的手写字体纠正系统，其特征在于，所述S2中系统数据库结合SQL结构型与NoSQL非结构型的特点，主要以MongoDB数据库为基础方式。6.根据权利要求1所述一种基于生成对抗网络的手写字体纠正系统，其特征在于，所述S3中提取电子版标准字体作为训练集以本地计算机管理员所在功能盘中的系统字体为索引导入字体信息。7.根据权利要求1所述一种基于生成对抗网络的手写字体纠正系统，其特征在于，所述S3中采用特征分类算法获得训练集中各类标准字体的书写特征，详细过程如下：使用一种改进的骨架拆解算法，首先输入手写字图像后，进行图像预处理，使用图像细化算法遍历手写字骨架，使用斜线冗余像素消除模板对骨架细节进行冗余去除，遍历后输出处理完毕的手写字骨架；利用不变矩以及皮尔逊相关系数度量字骨架之间的相似程度，利用计算得出的相似度作为手写字与标准字之间的相似度评分；提取图像Hu矩...

【专利技术属性】
技术研发人员：华敏，
申请(专利权)人：江苏乐易智慧科技有限公司，
类型：发明
国别省市：