[发明专利]脱机手写维吾尔文数据库的构建方法、装置及其存储介质

说明书

脱机手写维吾尔文数据库的构建方法、装置及其存储介质，其特征在于，所述构建方法包括语料收集的步骤和语料处理的步骤；所述语料包含有常用的维吾尔文手写字符；该构建方法还包括在语料处理步骤后进行段落文本的校正和行文本的构建；所述语料收集需配合专属手写表单进行书写、扫描；所述语料处理需对表单文本进行校正和提取；该发明通过简便的构建方法快速、系统的实现了脱机手写维吾尔文数据库的构建，通过专属手写表单避免了切分不彻底等切分过程中的难题，通过简便的数据收集、数据处理、段落文本的校正、行文本的构建为其它的研究人员提供了参考，同时通过该数据库为科研提供了研究基层，且大大的便利了维吾尔族的生活。

技术领域

本发明涉及文字信息处理技术领域，具体是脱机手写维吾尔文数据库的构建方法、装置及其存储介质。

背景技术

脱机手写识别是向机器传输个人手写图像后，得到图像上文字结果的过程。脱机手写识别系统广泛应用于处理手写票据、手写试卷、手写快递单等实际工作场景中；因此该技术的普及，在面对大量手写文本时，可以带来不少便利；脱机手写数据库是脱机手写识别系统发展必不可少的资源，而手写识别的前提条件便是拥有该语言的数据库，但目前在已知的脱机手写语言数据库中，还缺少一个维吾尔文脱机手写数据库，由于维吾尔文脱机手写数据库在进行处理时相较于印刷体会面临更大的挑战，一段印刷体维吾尔文字总体上符合规则的排列模式，在进行行切分时具有明显的分界线，那么通过投影切割法会很容易实现行切分；但是自然手写维吾尔文往往具有个人的随意性、其中行与行之间粘连、手写字符标签收集等问题都将增加数据库构建的难度，而且维吾尔文手写数据集资源稀少，且并没有完整的构建方法；

基于此，本发明设计了脱机手写维吾尔文数据库的构建方法、装置及其存储介质，以解决上述问题。

发明内容

本发明所要解决的技术问题是提供脱机手写维吾尔文数据库的构建方法、装置及其存储介质，可以有效解决上述背景技术中提出的问题。

为解决上述问题，本发明所采取的技术方案是：脱机手写维吾尔文数据库的构建方法、装置及其存储介质，其特征在于，所述构建方法包括语料收集的步骤和语料处理的步骤；所述语料包含有常用的维吾尔文手写字符；该构建方法还包括在语料处理步骤后进行段落文本的校正和行文本的构建；

所述语料收集需配合专属手写表单进行书写、扫描；

所述语料处理需对表单文本进行校正和提取；

所述段落文本在校正后，段落文本的文本标签与专属手写表单上的书写样式对应，且每行的文本内容与专属手写表单上每行的书写内容保持一致；

所述行文本构建完成后，行文本切分后的行标签、行内容与专属手写表单上的书写样式、书写内容完全对应。

作为本发明的进一步优选方案，所述语料收集的步骤包括：

A1、通过脚本获取天山网维文板块新闻作为手写语料的参照库；

A2、制作专属手写表单参考，根据专属手写表单估算每个书写人员需要书写的文本量，从而对手写语料进行分配书写；

A3、将书写人员书写完成的手写表单进行扫描、录入；

所述书写人员包含各个年龄、各个学历，且在填写表单期间所述书写人员的书写风格、书写惯用手以及书写工具不做限制；所述扫描后形成的图像的分辨率为600dpi。

作为本发明的进一步优选方案，所述表单文本的校正包括如下步骤：

B1、使用多边形拟合算法由外到内逼近文本矩形区域；

B2、确定区域后生成最小外接矩形并得到矩形四个角的坐标；

B3、通过一组坐标围成的矩形区域，找到矩形的中心点坐标、长宽和偏转角度；偏转角度记为θ，对图像逆时针旋转θ°得到矫正后图像；