李农勤，杨维信

基于生成式对抗神经网络的手写文字图像补全

李农勤1，杨维信2,3

(1. 东华理工大学经济与管理学院，江西 南昌 330013；2.华南理工大学电子与信息学院，广东 广州 510641；3. 牛津大学数学研究所，牛津 OX26GG)

手写文字图像补全是图像补全问题中一个重要研究分支，其难点在于图片中具有无约束书写风格的文字的结构关系补全。为了模拟实际中复杂和困难的应用情景，在图像补全研究工作的启发下，针对大类别、小样本、多风格、未知语种等复杂情况下进行手写象形文字图像补全。采用全局和局部一致性保持的生成式对抗神经网络(GLC-GAN)。在大类别多风格的手写文字图像补全中，补全图片往往因可能的补全候选很丰富而导致补全区域模糊不清。为此，提出两级补全系统：第一级粗补全模块考虑文字结构的完整性，第二级细补全模块实现文字的清晰化、细致化。通过在大类别手写汉字数据库CASIA-HWDB1.1上的实验，验证了该两级系统的有效性，同时分析系统在不同书写风格和不同缺失区域情况下的补全效果。

生成式对抗网络；手写文字；图像补全；结构补全；自监督学习

图像补全(image completion)是对图片中缺失或受污染的部分进行填充，使得填充后的图片尽可能完整和逼真。图像补全是近年来在机器学习领域中非常热门的研究课题，在图片修复、编辑或重构等应用中起到重要作用[1-3]。图像补全需要注重图片中内容的纹理和语义结构关系。目前较多研究针对自然场景图片中的纹理信息的补全，补全后图片比较逼真[1-2,4]。……