基于多标签语义分割的硬笔字笔画提取

汉字作为中华文化的载体,因其复杂的结构区别于其他文字.笔画作为汉字的基本单元,在硬笔字评价中起到至关重要的作用.正确提取笔画,是硬笔字评价的首要步骤.现有的笔画提取方法多数是基于规则的,由于汉字的复杂性,这些规则通常无法顾及所有特征,且在评价时无法根据笔顺等信息与模板字笔画匹配.为了解决这些问题,该文将笔画提取转化为多标签语义分割问题,提出了多标签语义分割模型(M-TransUNet),利用深度卷积模型以汉字为单位任务进行训练,保留了笔画原有结构,避免了笔画段组合的二义性,同时得到了硬笔字的笔顺,有利于笔画评价等下游任务.由于硬笔字图像只分为前景和背景,没有额外颜色信息,所以更容易产生FP(false positive)分割噪声.为解决此问题,本文还提出了一种针对笔画分割结果的局部平滑策略(local smooth strategy on stroke,LSSS),淡化噪声的影响.最后,本文对M-TransUNet的分割性能以及效率进行了实验,证明了本文算法在很小性能损失的情况下,极大地提升了效率.同时对LSSS算法进行了实验,证明其在FP噪声消除的有效性.

汉语发展性阅读障碍儿童的手写字迹识别加工特点研究

为探究汉语发展性阅读障碍儿童识别加工手写字迹与打印字迹的差异,依据识字量测试、瑞文智力测试等筛选出沈阳市某小学45名发展性阅读障碍(DD)儿童,另筛选出识字水平正常的54名生理年龄匹配的普通(CA)儿童,采用汉字启动实验,探究两组被试识别手写字迹和打印字迹的正确率与反应时。结果如下:正确率方面,CA儿童和DD儿童识别手写字迹的正确率均高于打印字迹,相比打印字迹,CA儿童对手写字迹的字义识别正确率更高,DD儿童对手写字迹的字音和字义识别正确率更高;反应时方面,DD儿童识别手写字迹所用反应时短于打印字迹,CA儿童识别手写字迹和打印字迹所用反应时没有显著差异。研究结果表明:手写字迹能够有效提升汉语发展性阅读障碍儿童的词汇识别能力。基于以上发现,对汉语发展性阅读障碍儿童的词汇识别能力提升和手写字专项训练提出相关建议。

基于生成对抗网络的手写汉字字库生成的设计和实现

本文通过生成对抗网络(GAN)来对手写汉字字库生成进行研究,使用一一配对的数据集对目标网络进行训练。使网络能自动学习不同风格字体,来生成与用户手写汉字风格相似的汉字图片。

儿童汉字练习:纸笔手写与键盘拼音输入的效果比较

在学校情境下,采用纸笔手写和键盘拼音输入练习汉字的实验任务,比较了75名小学六年级儿童在两种练习方式下的汉字学习及复习效果,并进行了保持效果的追踪。结果发现,纸笔手写和键盘拼音输入对儿童的汉字复习具有同等积极作用,在再认选择和回忆书写上效果均相当;对儿童的汉字学习积极作用不一致:在再认选择上两者积极效果相当,但在回忆书写上,手写明显优于拼音输入。另外,经纸笔手写和键盘拼音输入复习和学习的汉字,其记忆保持随时间变化的趋势一致。以上结果说明了对具有书面语言经验的儿童,拼音输入与手写都有助于形成和巩固汉字在心理词典中的义音形联结,但手写动作更有利于汉字从正字法代码向书写动作程序的转换;"提笔忘字"现象可能是正字法遗忘的结果,并非由使用拼音输入法造成。

诌议中国笔迹鉴定的特色

我国笔迹鉴定以汉字为主要研究对象,有着悠久的历史和深刻的底蕴。半个世纪以来,经过几代人的艰苦创业,构建了成熟的理论体系,创造了系统鉴定方法,积累了丰富的实践经验,形成了鲜明的中国特色,在刑事及民事案件鉴定中发挥了无可替代的重要作用。当前,学术交流、内外互动不断增加,我们既要坚定信心、不断创新,又要博采众长,借鉴外部经验,为进一步科学规范我国笔迹鉴定作出应有的贡献。

面向书写教学的手写汉字图像笔画还原

为了实现智能化汉字书写教学,提出一种手写汉字图像的笔画还原方法。首先提取手写汉字图像的骨架;然后从知识工程的角度出发,利用字形中稳定的拓扑信息,消除骨架中的歧义变形;最后利用A*算法建立并求解手写汉字与相应模板汉字的字形相似度模型,从而分割出手写汉字图像中的各个笔画,并输出它们与模板汉字中各个笔画的对应关系。此方法的笔画还原结果可以应用于手写汉字规范性的自动化评判等场合。

基于支持向量机的手写体相似字识别

本文提出对手写相似汉字进行识别的支持向量机方法。该方法与人工神经网络一样适用于小规模分类 ,但由于支持向量机依据结构风险最小化原则 ,因此泛化能力更强。并且 ,由于支持向量机算法是一个凸二次优化问题 ,能够保证找到的极值解就是全局最优解。本文用支持向量机算法对三组手写相似汉字进行了识别 ,取得了较好的结果。

小类别数手写汉字建模

在手写汉字识别的研究中，鲜有研究者提出建立手写汉字的数学模型，本文在这方面作了一些探讨。建模的目的通常有两个：一是手写汉字的表示或描述，二是手写汉字的识别。本文针对小类别数手写汉字，在骨架图形的基础上，把手写汉字看作孤枝、孤环和部件的集合，并定义三者之间的方位关系，从而建立手写汉字的数学模型。实验表明，该模型用于识别。

消除手写汉字的毛刺及毛刺粘连

在手写汉字中，毛刺是常见的噪声之一，笔划间的毛刺还经常出现粘连现象，这些粘连严重影响了基于轮廓和骨架的特征提取，从而影响手写汉字的识别率。该文通过定义边缘端点、边缘歧点和边缘直角点，提出了一种迭代算法消除毛刺以及毛刺粘连。实验表明，该算法是稳定的。

触摸屏手写汉字笔画的笔力模糊评价

该文以触摸屏手写汉字为例,提出了一种分析手写汉字笔力的模糊方法,并通过笔力分析实现对触摸屏上手写汉字的书写质量评价。该方法首先通过提取手写模板字中笔画的关键点信息进行隶属度计算,建立模糊模板矩阵,然后将实写汉字的隶属度与模板隶属度数据进行贴近度计算得出综合的笔力评价。实验表明,该方法的评价效果具有较强客观性、鲁棒性,也可推广到其他文种。

基于候选特征笔画和多类阈值的手写汉字切分

通过分析汉字的常见结构,鉴于汉字与汉字之间的距离和构成汉字的部件之间的距离的显著差异性,提出一种基于候选特征笔画和多类阈值的手写汉字切分方法.首先从构成手写汉字的笔画集合中提取候选特征笔画,根据候选特征笔画将手写汉字预切分,然后利用基于间距阈值的部件组合规则对过切分的汉字部件进行组合,最后采用基于单字宽度阈值的粘连汉字判断规则搜索粘连汉字,对粘连汉字进行递归切分.实验表明,该方法对连续手写汉字的切分准确率较高,具有一定的实用性.

一种连续手写中文的演化分割方法

在连续手写中文中,有偏旁部首离得较远的单字,单字之间可能会存在粘连、重叠。针对这种情况给出了一种基于识别得分提取单字的演化方法。对行笔划序列进行二进制编码,采用改进的遗传算法实现演化过程。染色体中连续0或1对应的笔划组成候选单字。用汉王手写单字识别器获取它们的识别得分,以单字个数较少和总的识别得分较大为优化目标。遗传算法中的变异概率和交叉概率自适应生成。测试结果表明该方法对连续手写中文具有较好的分割效果。

一种有效的手写体汉字组合特征的抽取与识别算法

基于特征融合的思想,从有利于模式分类的角度,推广了典型相关分析的理论,建立了广义的典型相关分析用于图像识别的理论框架。在该框架下,首先利用广义的典型相关判据准则函数,求取两组特征矢量的广义投影矢量集,构成一对变换矩阵;然后根据所提出的新的特征融合策略,对两种手写体汉字特征进行融合,所抽取的模式的相关特征矩阵,在普通分类器下取得了良好的分类效果,优于已有的特征融合方法及基于单一特征的PCA方法和FLDA方法。

一种新的手写体汉字笔划提取方法

提出一种新的汉字结构特征提取方法．利用二维小波变换对汉字图像进行分析和处理，分别在其高频子图像中提取汉字的横、竖、撇和捺信息，使结构特征的提取比用其它方法更简单、明晰．

手写识别建模数学方法研究

为了解决汉字手写识别,提出最简单的建模方法。运用独特思路,建立了拓扑学的二维图形定义的模型。在网格背景中,使用二十七种点的相互的拓扑关系定义,识别汉字基本笔画的六种分类,然后识别了汉字的每种单一连续的手写笔画,从而识别了汉字。规避了常见的二维图形学中的复杂的线条计算与判定。从而,使得手写识别变得十分轻松,而且机理简单、清晰、易懂,使得编程工作量降低到最低点。本文的方法,具有通用性,可以机动灵活的移植到其它任何民族的文字。

计算机辅助汉字书写教学技术研究综述

传统的汉字书写教学方法具有一定的局限性,为此人们开始关注计算机辅助的汉字书写教学技术。它主要研究汉字书写规范的智能化、自动化评判方法以及可视化的反馈形式。对近20年来计算机辅助汉字书写教学技术的发展情况进行了综述;详细介绍了数字化展示、书写评判、水平评测等几个研究分支的特点、关键问题以及主要成果;结合相关技术的发展和需求的变化,提出了汉字书写数字化教学技术在未来的发展方向。

利用图论算法识别限制性手写汉字

介绍了以图的同构算法为基础，对限制性手写汉字进行计算机光电识别的方法该方法已能识别限制性手写汉字６７６３个（ＧＢ２３１２—８０全部汉字），正确识别率超过８５％，并且有潜力识别更多的。

汉字联机手写建模方法

为了解决手机的汉字联机识别,我们提供了完整的解决方案。先定义了一套六组基本定义,形成一种特殊的但是很简单的图形描述方法。将汉字楷书的常用字的笔画,进行统计归纳归类,找到有限的笔画组成。使用基本定义,描述楷书的独立笔画,这些描述是互不相同的。回避了传统的复杂的二维图形学的方法。经过穷举法验证,几乎每个常用汉字的拆解的内容,都互不相同,所以从逻辑上可判定这种方法是有效的。也提供并公布对汉字行书、草书的部分解决方案。形成了一个手机汉字连笔识别的体系。

汉字智能书写及其算法

在计算机上演示汉字的规范书写过程，是许多汉语教学软件和电子汉语词典所追 求的功能。提出了一种汉字智能书写的算法。该算法通过预制作收集并保存汉字的书写过程 信息，书写时根据这些信息，动态地产生起笔落笔、速度变化、语音提示等各种书写效果。 文中给出的算法预制作简单、数据量极小，适合于各种多媒体汉语教学软件和电子汉语词典 中使用。

书法的层次结构与汉字的艺术特质

汉字书写之所以能够成为艺术,除了书写者自身的艺术创造力,也就是能够按着美的规律去创造外,一个重要的原因,是汉字本身具有艺术特质。书法的层次结构,同其他艺术一样,分别为艺术语言、艺术形象、艺术意蕴,汉字也便从这三个不同的方面显示出它的艺术特质。