藏文OpenType字体技术研究及实现

藏文作为常见的复杂文本语言(CTL)之一,既有横向拼写性,也有纵向拼写性的特点.计算机在处理藏文时,运用传统的TrueType字体技术几乎不可能在显现出规范的书写形式的同时,实现对Unicode标准编码的支持.本文介绍基于OpenType字体的藏文处理技术,研究探讨上述问题.

字形技术及OpenType字体文件格式研究

随着Ｗｉｎｄｏｗｓ 操作系统及ＴｒｕｅＴｙｐｅ 字体（ＴＴＦ） 的流行，字形技术的重要性已越来越受到人们的关注。本文介绍了从ＴｒｕｅＴｙｐｅ、ＯｐｅｎＴｙｐｅ 到ＣｌｅａｒＴｙｐｅ 的最新发展，比较详细地分析了ＯｐｅｎＴｙｐｅ 字体（ＯＴＦ） 文件的结构，解释了其中的重要描述表。用户若能正确掌握ＯＴＦ字体文件格式，就可以建立自己的特殊字体，并可以在字体应用领域取得良好的应用效果。

藏文字体设计课程的改革与创新研究

本文从藏文字体设计课程的教学现状、存在的问题、理论联系实际及课程的改革与实践4个方面,探讨信息时代下藏文字体设计课程的教学创新改革与实践,即利用课题训练激发学生学习的积极性,有意识地将项目课题融入教学中,提升学生市场竞争力和社会适应力,科学地设置培养方案,实现优化专业教学的目的,以实现人才培养的目标。

藏文字库设计中OpenType特征标记的应用研究

基于国际标准实现藏字处理一直是藏文信息处理的难点,OpenType字库的实现解决了该难点,微软Vista操作系统的推出,把藏文等几种少数民族文字的处理推到了一个新的阶段,但Vista自身只带了一个藏文白体字库,不能满足用户对字体的需求。文章分析了OpenType特征标记在藏文字库设计中的应用,有助于设计OpenType藏文字库。

乌金印刷多字体藏文的文本检测与识别

为解决乌金印刷多字体藏文的文本识别以字丁识别为主、识别字体类别单一或较少、无法实现端到端的藏文文本行识别等问题,根据藏文文字的书写特点,在基于分割的文本检测方法DBNet上,对比在MobileNetV3和ResNet34两种骨干网络下CRNN、Rosetta和RARE这3种端到端的文本识别算法;提出一种将常用74个藏文字符作为端到端文字识别的转录字典策略,提出一个针对藏文文本识别的评价指标。实验结果表明,以ResNet34为骨干网络的CRNN文本识别方法在测试集上的综合表现最佳。

乌梅印刷多字体藏文文本的检测与识别

随着藏文信息处理技术的发展,藏文乌金字体的识别取得了很好的效果,但藏文乌梅字体由于书写风格差异大,检测和识别难,目前的乌梅字体识别仅限于以字丁识别、单一字体为主。近几年随着计算机字体的丰富,出现了乌梅印刷多字体文本。为了准确识别这类文本,文章基于中英文的预训练模型DBNet开展藏文文本检测,以ResNet-50为骨干网络的CRNN和SRN两种不同编码-解码方式开展端到端的乌梅印刷多字体文本识别,并以实验测试两种模型的识别结果。实验表明,当训练和测试所用字体一致时两个模型的识别效果相当;使用不在训练集中的另外8种乌梅字体进行测试时,SRN识别算法相比CRNN在TCR、TDR和LRA三个评价指标上分别提升0.5363%、1.7681%和3.4875%,表现出更强的泛化能力。

面向社交媒体的藏文图文多字体检测与识别研究

社交媒体为大众沟通交流与信息传播提供了更为便捷的平台。文章针对当前社交媒体中藏文图文背景复杂、多字体、字体混排和版式多样等特点,构建了社交媒体藏文图文识别数据集,提出一种融合PSENET和CRNN(卷积循环神经网络)的端到端检测识别算法。该算法利用PSENET进行多角度的文本检测,再结合基于多头注意力机制的CRNN模型进行文字识别。实验结果表明,检测率和多字体识别率分别达到了95.7%和84.5%,相较于无预训练模型和CTC(连接时序分类)识别模型,准确率分别提高了34.6%和4.14%。表明该方法在解决社交媒体中藏文图文多字体识别问题上具有较好的实用价值和应用前景。

如何控制OPENTYPE字体

凭借着Illustrator自带的OpenType支持，Alistair Dabbs得偿所愿地进入了这种字体格式的内在世界。

OpenType字库技术的分析与实现

继 True Type字体格式之后 ,微软公司和 Adobe公司联合推出了 Open Type格式 ,这一崭新的字体格式不仅以压缩方式增加了对 Postscript字体的支持 ,同时 ,在Unicode编码的大字符集基础上 ,采用多语种和多语系的编排方法 ,以适应更多的平台和全球性的国际字符集。此外 ,在功能上还容纳了多项传统排版软件才可具备的基本操作 ,如基线调整 ,竖排替换 ,灵活定位以及字符的组合和拆分等。无疑 ,这一开放的技术将对下一代的排版及中文处理软件产生深远的影响。

关于藏文True Type字体

文章介绍了TrueType字体、字库的特征及其藏文字库的安装、TrueType的文件格式(TTF)和它的结构以及它所必须要的几张表格.描述了藏文TrueType字的基本原理,为进一步分析和研究藏文TrueType字体提供了理论依据.

藏文字体设计的路径分析

字体设计作为视觉传达设计的基础,在设计行业内受到广泛的青睐。字体图案化和几何化的现代字体设计新趋势下,藏文字体设计面临着严峻的挑战和机遇。文章梳理藏文字体的历史进程、设计概念和功能分类,重点分析了其现状和未来的趋势。认为,信息传送、表达情绪和艺术美感为统一体的见形见意字体设计是今后藏文字体设计发展的主要路径。

数字化藏文古籍中多样性字体的实现方法研究

计算机成为数据共享和信息交流的工具之后,统一的计算机字体使得文字失去了手写字的多样性与离散性。文字是文化传播和文明传承的关键因素,许多古籍电子化以后失去了原版古籍中具有文化背景和历史意义的特色字体。例如堪称藏族文化一绝的具有多样性和离散性的雕刻字体。为了解决这个问题,提出了将藏文古籍中雕刻字体数字化的方法。结合投影法与连通域法切分古籍图像;通过GIST特征算法实现图像文字的识别;采用SIFT特征算法实现图像字体风格分类,获取古籍中不同风格的雕刻字体;提出字体多样性表达算法实现古籍中雕刻字体的多样性和离散性。研究的目的是传承和保护雕刻字体,具有重要的文化研究和传承意义。

基于神经网络的多字体藏文印刷体字丁识别

针对多字体藏文字丁数据集匮乏的现状和藏文印刷体多字体字丁的识别问题,构建了一个含有数据规模为48960张字丁图像的藏文印刷体字丁数据集(Tibetan Printed Character Dataset, TPCD),并对TPCD数据集进行了标记,归一化和二值化的预处理。运用各类包括支持向量机、前馈神经网络和卷积网络等线性统计和深度学习方法对数据集中的藏文字丁进行了识别实验。对实验结果进行评测后,提出的基于神经网络的模型可以使多字体藏文印刷体识别任务在测试集上的识别率、召回率和F1值分别达到了97%、96.6%和96.6%,证实了上述方法的有效性,为后续藏文文字识别提供了一定的理论和研究的基础。

手写多字体藏文古籍文本检测方法研究

为更好利用和挖掘藏文古籍文献内容,文章首先研究了手写藏文古籍文本的特点,按照其字形大小构建了3种数据集;其次采用PSENet、PixelLink、PANNet 3种基于分割的深度学习文本检测算法对多种字体的手写藏文古籍文本进行了检测;再评估了3种算法对手写藏文古籍文本的检测性能,分析了3种算法检测多种手写藏文古籍字体和字形大小的效果,指出了在同库实验中PSENet和PANNet性能优于Pixel⁃Link,跨库实验中PixelLink性能优于PSENet和PANNet。

基于Android平台实现本地化技术和加载藏文字体

近几年来随着手机用户的数量增多以及互联网向移动终端的普及,手机的APP开发达到了一个空前的数目。随身有着4G技术的网络让更多的用户体验到了互联网终端带来的效益,也因此手机开发厂商在操作系统上不断推陈出新。面对各个手机系统,用户都有着自己的选择。但是Android的开源垄断了大部分的手机市场,使得也有着系统本地化的发展空间。在信息时代,对于很多藏族同胞来说,要想弘扬藏族优秀文化、要想藏文信息处理跟上大数据时代,使藏语文适应现代化的发展,首要的问题就是实现藏文的信息输入,方便广大的藏文用户信息交流,使得藏民族的传统文化结合在电子信息上,使用和发展而真正进入现代化的轨道。如何快速准确地利用手机输入藏文信息,对藏族人或研究藏文化的人而言有利于重要。

OpenType之争

90年代的字体之争是Adobe与Macrosoft之间的竞争．他们分别为其PostScript Type one和True Type两种字体形式的未来竞相争夺。然而．在90年代末期．这两家公司却联手开发了Open Type字体，并使其成为了这一产业中首例可以在Mac和Windows平台下运行的单个字体文件。

湖北的读者来信希望杂志介绍一下藏文的创制背景和字体

公元七世纪，由于民族间的交往、政治经济文化的交流以及治理朝政的迫切需要，松赞干布深感缺乏文字的不便，遂从几百名才俊中挑选出以吞弥·桑布扎为首的16名青年，派遣他们携带大量黄金前往天竺学习。

多字体印刷藏文文档识别系统

清华大学电子工程系智能图文信息处理研究室与西北民族大学中国民族信息技术研究院联合研制开发成功的一种“多字体印刷藏文(混排汉英)文档识别系统”已正式推出，填补了一项空白。

藏文古籍手写文档文本区域检测方法研究

藏文古籍文本数字化是保护和传承藏文古籍的重要途径,由于藏文古籍具有版面复杂性、多样性和字体大小不一致等特点,传统的经典检测网络难以有效定位小目标文本区域,导致检测效果不理想。文章选择适用于小目标的检测算法YOLOv8基线模型,采用改进后的轻量级骨干网络Faster-Net作为特征提取网络,引入CA注意力机制以更好地利用上下文特征信息,将浅层信息和深层信息有效地结合在一起。实验结果表明,该方法可实现对藏文古籍多字体手写体版面不同字体大小的文本区域定位,其在测试集上的平均精度、准确率和召回率都达到99%以上,适用于藏文古籍版面中字体大小不一致的文本区域目标检测。