[发明专利]一种西波字体生成和识别方法

说明书

本发明涉及图像处理技术领域，且公开了一种西波字体生成和识别方法，包括以下步骤：A1、西波字体生成，西波字体的生成包括以下步骤：S1、生成器的输入；S2、生成器的数据流，数据逐块流过，每一个块的数据流方式为：对输入noise_style和noise进行spatially‑adaptive normalization(SPADE)操作，然后把SPADE的数据流与noise_image进行融合，接下来，对融合结果进行relu激活；S3、判别器的输入，喂给判别器的图像都是处理成256x256的单字RGB图像。本发明实现了较少西波字体数据集下的字体生成。本发明是基于字体图像的生成方法，通过训练阶段喂给判别器手写毛笔汉字，提取字体的笔画特征。相对于基于字体笔迹的生成方法，节省了计算机的计算开销。

技术领域

本发明涉及图像处理技术领域，具体为一种西波字体生成和识别方法。

背景技术

西波文字受时间洗礼和传承方式的限制，现存该文字数量较少、风格单一。在使用神经网络模型处理该文字时，模型受到很大的限制。对于这个问题，生成西波字体是一种有效的技术手段，它通过计算机学习采集到的某个人书写笔迹，生成具有该人书写风格的西波文字。对于常见的文字生成方法，根据应用场景的不同，大致可以分为两类。一类是基于字体笔迹的生成方法，另一类是基于字体(扫描、拍照)图像的生成方法。

对于基于字体笔迹的生成方法来说，应用场景多是让机械臂帮人们处理手写任务，比如：代替个人写亲笔信、帮助文员做手写文案工作等。在这类方法中，首先要获取字体具体的笔迹，接着，就要考虑笔迹的数据属性：是连续性数据还是离散型数据？并依据笔迹的数据类型，给出空间表示。Lian等人在文献“Lian,Zhouhui and Jianguo Xiao.“Automatic shape morphing for Chinese characters.”SA'12(2012).”中提出一种基于笔迹自动实现不同风格汉字生成的模型，建立了单个字不同风格之间的准确对应关系。但是对应点查找步骤太过复杂，增加了计算开销。

对于基于字体图像的生成方法来说，在应用场景上，以生成新的字体为目标，可以仅依赖文字的图像完成。Chang等人在文献“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模型对未配对的手写汉字进行个性化风格生成。该方法易于提取文字风格且可以一次性生成整张图片。但是，这类方法存在的缺陷是对手写文字到的笔画信息(字体笔画的书写规律、先后顺序)会丢失。github账号名为kaonashi-tyc的用户，在https：//github.com/kaonashi-tyc/zi2zi上给出“zi2zi”的基于字体图像的文字生成模型。该模型在字体的生成结果上取得了很大的进展。然而，模型需要大量的字体数据集。

发明内容

本发明的目的在于提供了一种西波字体生成和识别方法。

为实现上述目的，本发明提供如下技术方案：一种西波字体生成和识别方法，包括以下步骤：

A1、西波字体生成，西波字体的生成包括以下步骤：

S1、生成器的输入；

S2、生成器的数据流，数据逐块流过，每一个块的数据流方式为：对输入noise_style和noise进行spatially-adaptive normalization(SPADE)操作，然后把SPADE的数据流与noise_image进行融合，接下来，对融合结果进行relu激活；

S3、判别器的输入，喂给判别器的图像都是处理成256x256的单字RGB图像；