罗雪姣,李鲁英,许树洲

传统文字处理方式主要依赖人工输入与字体编辑，不仅效率较低，而且难以实现复杂字体风格的自动生成。针对上述问题，本文设计并实现了一套基于深度学习的汉字字体识别与风格生成系统。系统集成了PaddleOCR文字识别模块以及基于改进CycleGAN的书法字体生成模块，并通过PyQt5构建可视化交互平台，实现文字识别与字体转换、书法风格生成的统一处理流程。实验结果表明，系统字符级识别准确率达到97%，字段级识别准确率达到92%。字体风格生成方面，在保持汉字结构稳定的同时生成具有明显书法风格特征的字体图像。

PaddleOCR；CycleGAN；字体生成；PyQt5

[1] 吴建磊,杨慧炯.基于改进CycleGAN网络的图像风格迁移技术研究[J].信息技术与信息化,2025,(02):79-82. [2] 李云红,段姣姣,苏雪平,等.基于改进生成对抗网络的书法字生成算法[J].浙江大学学报(工学版),2023,57(07):1326-1334+1459. [3] 曾悦,马明栋.基于Tesseract_OCR文字识别的研究[J].计算机技术与发展,2021,31(11):76-80. [4] 赵明,王存睿,战国栋.基于改进条件生成对抗网络的字体风格迁移算法[J].大连民族大学学报,2024,26(01):57-61. [5] 谭宏卫.基于生成式对抗网络的无监督图像生成研究[D].西南大学,2020.

点击下载PDF