买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利一种汉字笔画拆分方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117011864B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310828958.9，技术领域涉及：G06V30/19；该发明授权一种汉字笔画拆分方法是由谢斌;宫欣玉;聂海涛设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种汉字笔画拆分方法在说明书摘要公布了：本发明公开了一种汉字笔画拆分方法，包括以下步骤：获取原始汉字图像并进行标准二值化处理，作为网络的输入；将汉字笔画按照形状结构特征划分为10个大类，构建笔画的类别标签；获取汉字信息，得到汉字类型、笔画类别和数量的先验信息构建先验特征层；将先验特征层与提取处理后汉字图像的图像特征进行融合，并对融合信息解码，最终通过多标签输出层输出笔画结果。本发明不仅显著提高了汉字笔画分割的准确性,而且降低了计算量,能够更好服务于下游任务。

本发明授权一种汉字笔画拆分方法在权利要求书中公布了：1.一种汉字笔画拆分方法，其特征在于，所述方法包括如下步骤： S1:将笔画按照形状结构特征分为10个类别；获取汉字的汉字信息，基于所分的笔画分类方法构建先验特征信息表；所述汉字信息包括汉字类型信息、汉字包括的笔画类别信息和笔画数量信息； S2：获得原始汉字图像，对原始汉字图像进行标准二值化得到处理后汉字图像，同时使用原始汉字图像的汉字类型信息在先验特征信息表中进行检索，从而输出原始汉字图像对应的汉字类型信息、笔画类别信息和笔画数量信息； S3:原始汉字图像对应的汉字类型信息、笔画类别信息和笔画数量信息经过信息编码得到先验特征层，然后先验特征层与处理后汉字图像一起输入神经网络，进行神经网络的训练，得到训练好的神经网络；所述神经网络包括包含图像和先验特征层的输入层、提取处理后汉字图像的图像特征的编码模块、用于图像特征和先验特征层融合的融合模块、对融合信息解码并生成最终结构的解码模块和多标签输出层； S4：将待拆分汉字图像进行标准二值化后得到处理后待拆分汉字图像，并把待拆分汉字图像中汉字的汉字信息输入先验特征层，得到对应的待拆分汉字的汉字信息；将待拆分汉字的汉字信息和处理后待拆分汉字图像输入训练好的神经网络，训练好的神经网络一次性输出处理后输出待拆分汉字图像中的所有笔画； 所述提取处理后汉字图像的图像特征的编码模块采用DeepLabV3+分割网络结构中的ASPP结构，编码模块完成对处理后汉字图像的特征提取，然后融合模块将先验特征层和提取的图像特征进行拼合，得到融合后的特征层，解码模块将对融合后的特征层解码，通过降维和上采样得到与输入图片大小相同的特征图；最后，特征图通过多标签输出层将按照笔画类别输出待拆分汉字图像中的所有笔画； 所述步骤二中，训练神经网络时，通过最小化损失函数得到训练好的神经网络；其中损失函数的构建方法如下： 神经网络中多标签输出层所输出的内容是10个笔画类所对应的10维笔画掩码，判定多标签输出层中每个像素点的分类时，10个维度将独立计算并判定每一个像素点是否属于该类别笔画，计算公式如下： rp＝op≥λ×1+opλ×0 其中op是像素点某一维笔画类型的预测输出，λ为设定的判定阈值，rp指的是该像素的是否属于该类别笔画的判定结果； 将多分类问题化为多维度的二项分布问题，即设置像素点的每一类的标签只有两种可能：“本像素点是此类笔画”或者“本像素点不是此类笔画”，并以此构建适用的总损失函数，总损失函数LS定义如下： 其中，为某一类笔画所对应的输出第i维所对应的总损失函数，被分为分损失函数和两部分；σ是两种损失对应的权重，对于具体的分损失函数和具体定义如下： 其中代表像素点j对应的输出，是像素点j在标签中对应的概率值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。