[发明专利]一种基于MaskRCNN的汉字笔画分割提取方法及系统

说明书

本发明公开了一种基于MaskRCNN的汉字笔画分割提取方法，包括以下步骤：构成笔画分割数据集，并解析字体，生成训练集和验证集；构建MaskRCNN网络模型，所述MaskRCNN网络模型包含骨干网络、区域建议网络、分支网络；预设MaskRCNN网络模型的初始参数和迭代次数，对训练集进行图像增强补充数据；训练MaskRCNN网络模型，通过训练集更新网络参数，并通过验证集选择最优参数并保存；将待测汉字图像输入训练好的网络模型，得到笔画分割提取结果；本发明创新地利用实例分割领域Mask RCNN算法于汉字的笔画分割提取任务中，对比笔画提取的方法，处理效果和效率大幅度提升。

技术领域

本发明涉及图像分割的研究领域，特别涉及一种基于MaskRCNN的汉字笔画分割提取方法及系统。

背景技术

汉字是世界上最古老的文字之一，是我国文化得以生生不息的基础，而笔画是汉字的组成部分，研究汉字的结构构成、识别等离不开笔画，而汉字的笔画自动分割和提取是一个重要且挑战性的任务。汉字笔画分割提取的挑战性主要体现在汉字结构复杂，不同字体的笔画连接，笔画的形态和长短粗细各有不同，即使相同字体之间，笔画与笔画之间、部件与部件之间相对位置甚至笔画的倾斜角度也会发生变化。

目前的笔画提取方法大多根据汉字的骨架和汉字图像的轮廓，应用最广泛的方法是通过图像细化算法得到图像骨架，根据图像领域的PBOD曲线找出笔画交叉点，再根据笔画之间的连接关系将笔画交叉分离，最后利用图像的轮廓和标准库的笔画部件等信息，将分离后的骨架复原为完整的笔画，进而完成汉字的笔画提取。

目前的传统笔画提取方法设计的规则复杂，只利用到很局限的骨架和轮廓等特征，人为确定的参数阈值过多，同时对于复杂汉字的提取效果很不理想，在正确率和效率上都没能达到令人满意的效果。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于MaskRCNN的汉字笔画分割提取方法及系统，用于解决笔画分割提取不准确，提取效率慢等问题。

本发明的第一目的在于提供一种基于MaskRCNN的汉字笔画分割提取方法。

本发明的第二目的在于提供一种基于MaskRCNN的汉字笔画分割提取系统。

本发明的第一目的通过以下的技术方案实现：

一种基于MaskRCNN的汉字笔画分割提取方法，包括以下步骤：

通过数据获取模块获取笔画分割数据，构成笔画分割数据集，并解析字体，生成训练集和验证集；

构建MaskRCNN网络模型，所述MaskRCNN模型包含主干网络、区域建议网络、分支网络；

预设MaskRCNN网络模型的初始参数和迭代次数，对训练集进行图像增强补充数据；

训练MaskRCNN网络模型，通过训练集更新网络参数，并通过验证集选择最优参数并保存；

将待测汉字图像输入训练好的网络模型，得到笔画分割提取结果。

进一步地，所述通过数据获取模块获取笔画分割数据，构成笔画分割数据集，具体为：

解析汉字字体，通过第一字体生成训练集的汉字图像，通过第二字体生成验证集的常用汉字；

分别利用字体生成数据集的汉字图像，将笔画的标签分为横竖撇捺折五类，获取每个笔画的掩模，通过笔画掩模的包围矩形作为标记框；

根据汉字图像的标记数据：笔画掩模、包围矩形、笔画标签；生成json文件，json文件能被MaskRCNN算法直接调用。

进一步地，所述第一字体为楷体GB2312；所述第二字体为仿宋GB2312。