[发明专利]手写数据生成方法、装置、计算机设备和存储介质

权利要求书

1.一种手写数据生成方法，其特征在于，所述方法为：

获取手写单字数据集；所述数据集为字符图片的集合，每类字符对应一个字符索引值，数据集的每类字符包含一定数量的字符图片；每类字符与字符索引值形成字符索引表；

将数据集中的每类字符的图片依次进行编号；

对数据集中的每类字符的图片进行图像处理，再进行层次聚类，滤除不符合要求的图片；

获取中文语料库，对语料库先分割、切分，再对语料库的语料进行字符数量均衡处理；

遍历语料库的每条语料，对每条语料的字符获取单字数据集中的字符图片，并对字符图片进行处理，形成手写数据行，最终形成以行为单位的手写数据集。

2.如权利要求1所述的手写数据生成方法，其特征在于，所述对每条语料的字符获取单字数据集中的字符图片，并对字符图片进行处理，形成手写数据行，包括：

从语料库中选取一条语料，遍历该条语料中的字符{c₁,c₂,...,c_k}，根据字符索引表获得该条语料每个字符对应的索引值{d₁,d₂,...,d_k}；获得每个字符的图片数量采用随机算法确定参与拼接的字符图片编号{t₁,t₂,...t_k}，根据字符索引表和每类字符的图片编号获取字符的索引值对应的字符图片{p₁,p₂,...,p_k}，形成一行手写数据。

3.如权利要求1所述的手写数据生成方法，其特征在于，对字符图片进行处理，包括：

设置手写数据行图片的尺寸，包括图片的宽度、高度；

对每行字符图片进行宽度高度同比例缩放；

对缩放后的字符图片进行高度对齐；

顺序拼接字符图片。

4.如权利要求1所述的手写数据生成方法，其特征在于，对数据集中的每类字符的图片进行图像处理，再进行层次聚类，滤除不符合要求的图片，包括：

提取图片的文字的笔迹内容，去除多余噪点，并将背景设置为白色；对图片进行裁剪，使图片中的文字与图片边缘贴齐；对第i类字符的M_i张图片分别提取直方图特征{F_j|j＝1,2,...,M_i}，对特征序列{F_j|j＝1,2,...,M_i}进行层次聚类，以一定的阈值为边界点剔除离群数据，滤除文字笔迹残缺、字迹不清晰的图片。

5.如权利要求1所述的手写数据生成方法，其特征在于，获取中文语料库，对语料库先分割、切分，再对语料库的语料进行字符数量均衡处理，包括：

对每条语料以标点符号为分隔符进行分割，统计分割后的句子长度，以频率最大的句子长度l作为单句平均长度；设置随机切分长度L∈[1，2l)，对长度大于L的语料进行切分；

对切分后的语料进行字符统计，剔除包含非字符索引表内字符的语料；对语料库中每类字符进行频数统计，对频数较小的字符通过重复或插入字符进行语料增强。

6.一种手写数据生成装置，其特征在于，所述装置包括：

存储器，用于存储程序；

处理器，用于执行所述存储器中存储的程序，当所述存储器中存储的程序被执行时，所述处理器用于执行如权利要求1至5中任一项所述方法的步骤。

7.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至5中任一项所述方法的步骤。

8.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至5中任一项所述方法的步骤。