基于深度学习的手写汉字质量评价方法
现如今对于汉字图像处理领域的研究，除了研究如何提高手写汉字的识别准确率外，对于如何判断手写汉字的书写质量也是一大重点。人工评价方法存在评分标准不一致、工作成本高和评分人员个体影响等问题，早已不能满足用户的需求。本文的目的在于研究手写汉字识别和质量评价的相关技术，基于最新的深度学习理论，构建出一个手写汉字质量评价系统。具体工作及成果如下： 1．收集样本数据。根据应用场景和模型训练需求，收集并整理手写汉字数据集CASIA-HWDB1.0和1.1。其中还加入了一些在自然场景中拍摄的书法练习作品，并且这些汉字图像大部分进行了人工或是机器分数标注。 2．分析与研究传统手写汉字识别方法，并提出了一种可在自然场景下进行手写汉字识别的方法。分析传统方法结合最新的深度学习知识，由于自然场景会存在诸多干扰导致识别无法准确定位汉字位置，为了解决这个问题，本文提出了一种通过融合EAST和ResNet模型的手写汉字识别模型。先通过EAST检测模型定位汉字位置，再通过ResNet模型进行识别确定汉字种类，并且EAST模型为多方向文本检测模型，所以对于自然场景中的汉字倾斜问题有较好应对性，ResNet模型为深度模型可以提取到更加复杂的汉字特征，两者相结合实现了自然场景下的手写汉字识别功能。 3．分析与研究传统手写汉字质量评价方法，并提出了一种基于相似度匹配的质量评价方法。该评价方法存在两种评价方式。第一种为一对多评价方式，通过识别确定汉字种类建立起评价组，评价组都为该字带分数图像，之后把待测样本与评价组汉字进行骨架相似度与轮廓相似度对比得出质量分数。这种方式相当于拿多个与其书写风格相近汉字分数推算出样本分数，当评价组与待测样本相似度足够接近，方法一会较方法二更精确。第二种方式是传统一对一评价方式，通过识别确定汉字种类，选取该汉字种类字帖图片与待测样本进行骨架和笔画相似度对比得出质量分数。这种方式胜在有固定标准，但灵活性不足。两种方式的选择则是通过模糊综合评价结果来进行选定。
手写汉字;质量评价;图像识别;相似度匹配;深度学习
哈尔滨理工大学
硕士
计算机技术
尹莉莉
2022
中文
TP391.41
2022-09-21（万方平台首次上网日期，不代表论文的发表时间）