文献类型：期刊文章

作　　者：闫文耀[1] 郭铭涛[2] 王志晓[2,3] 张九龙[2]

YAN Wen-yao;GUO Ming-tao;WANG Zhi-xiao;ZHANG Jiu-long(Xi’an Innovation College of Yan’an University,School of Data Science and Computer Science,Xi’an 710100,China;School of Computer Science and Engineering,Xi’an University of Technology,Xi’an 710048,China;Shaanxi Key Lab of Network Computing and Security Technology,Xi’an 710048,China)

机构地区：[1]延安大学西安创新学院数据科学与计算机学院,陕西西安710100 [2]西安理工大学计算机科学与工程学院,陕西西安710048 [3]陕西省网络计算与安全技术重点实验室,陕西西安710048

出　　处：《计算机技术与发展》

基　　金：科技部重点研发计划项目(2017YFB1402103);国家自然科学基金(61772407);西安市科技计划项目(201805037YD15CG21(6));西安市碑林区科技局项目(GX1917)。

年　　份：2020

卷　　号：30

期　　号：10

起止页码：92-96

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：汉字书写质量的智能化自动评价具有广泛的应用前景。已有的汉字书写质量评价大多基于部首分割和特征判决,此类评价方法的一个关键环节在于对汉字分割的精度要求高。但是,真实手写字体通常存在连笔、落笔力度不均匀、个性化的书写风格等问题,这导致普通书写的字存在分割困难的问题。针对上述问题,提出一种基于图像纹理的书写质量评价方法。该方法将书写线条的匀称清晰程度以及书写风格的一致性作为有效判据,具体采用Gabor变换对书写样本的图像特征进行提取,最终采用支持向量机的统计学习方法对书写质量进行有效评判。在CHAED字库集等多个真实数据集上的实验展示了该方法是有效且准确的,其优势在于无需对字体进行分割,且其全局性特征的提取过程计算代价较小。

关 键 词：汉字 书写质量评价  纹理特征 GABOR变换 支持向量机

分 类 号：TP391]