Hệ thống chấm điểm và học tập tương tác cho thư pháp Trung Quốc

Machine Vision and Applications - Tập 19 - Trang 43-55 - 2007
Chin-Chuan Han1, Chih-Hsun Chou2, Chung-Shiou Wu2
1Department of Computer Science and Information Engineering, National United University, Miaoli, Taiwan, ROC
2Department of Computer Science and Information Engineering, Chung-Hua University, Hsinchu, Taiwan, ROC

Tóm tắt

Thư pháp Trung Quốc là một nghệ thuật phương Đông. Trong bài báo này, một hệ thống hướng dẫn thư pháp tương tác được đề xuất lần đầu tiên để đánh giá điểm số của chữ viết bằng cách sử dụng kỹ thuật xử lý ảnh và suy diễn mờ. Các tài liệu viết được phân đoạn tự động. Ba đặc trưng được định lượng, bao gồm tâm, kích thước và các proejction của từng ký tự viết, được trích xuất để đo điểm số thư pháp. Hệ thống cũng cung cấp một số hướng dẫn cải thiện cho người dùng. Một số kết quả thí nghiệm được đưa ra để chứng minh tính hợp lệ và hiệu quả của hệ thống được đề xuất. Thông qua hệ thống hữu ích này, người dùng có thể học và thực hành thư pháp Trung Quốc tại nhà.

Từ khóa

#thư pháp Trung Quốc #hệ thống tương tác #xử lý ảnh #suy diễn mờ #học tập #đánh giá điểm số

Tài liệu tham khảo

Guo B. (1995). Gate to Chinese Calligraphy. Foreign Languages Press, Beijing Chen, Y.: Practicing your chinese calligraphy. http://www.resources.emb.gov.hk/chical/ (2006) Tang, L., Kender, J.: A off-line stroke-based handwritten word segmentation and recognition method for low-quality educational videos. In: Proceedings of the 16th International Symposium on Multimedia Software Engineering pp. 565–568 (2004) Han C.C., Tseng Y.L., Fan K.C., Wang A.B. (1995). Coarse classification of chinese characters via stroke clustering method. Pattern Recogn. Lett. 16(10): 1079–1089 Wen M.-G., Han C.-C., Fan K.-C., Tang D.-W. (2003). A coarse classification scheme on printed chinese characters by encoding the feature points. J. Inf. Sci. Eng. 19: 555–570 Wen M.-G., Fan K.-C., Han C.-C. (2004). Classification of chinese characters using pseudo skeleton features. J. Inf. Sci. Eng. 20: 903–922 Ko, M.-A., Kim, Y.-M.: A simple ocr method from strong perspective view. In: Proceedings of the 33th Workshop on Applied Imagery Pattern Recognition 235–240 (2004) Wang A.B., Fan K.C., Wu W.H. (1998). Speeding up chinese character recognition in an automatic document reading system. Pattern Recogn. 31: 1601–1612 Wang A.B., Fan K.C. (2001). Optical recognition of handwritten chinese characters by hierarchical radical matching method. J. Pattern Recog. 34: 15–35 Gonzalez, R.C., Woods, R.E.: Digital Image Processing. Addison-Wesley (1992) Otsu N. (1979). A threshold selection method from gray-level histograms. IEEE Transactions System, Man Cybern. 9: 62–66 Kittler J., Illingworth J. (1986). Minimum error thresholding. Pattern Recogn. 19: 41–47 Cho S., Haralick R.M., Yi S. (1989). Improvement of kittler and illingworth’s minimum error thresholding. Pattern Recogn. 22: 609–617 Sahoo P.K. (1988). A survey of thresholding techniques. Comput. Vis. Graph. Image Process. 41: 233–260 Lin C., Lee C.G. (1996). Neural Fuzzy Systems. Prentice-Hall, New Jersey Jang J., Sun C., Mizutani E. (1997). Neuro-Fuzzy and Soft Computing. Prentice-Hall, New Jersey Homnan B., Benjapolakul W. (2004). Application of fuzzy inference to CDMA soft handoff in mobile communication systems. Fuzzy Sets Systems 144: 345–363 Hong L., Sun J. (2006). Bifurcations of forced oscillators with fuzzy uncertainties by the generalized cell mapping method. Chaos Solitons Fractals 27: 895–904 Lo S. (2006). An adaptive-network based fuzzy inference system for prediction of workpiece surface roughness in end milling. J Mater. Process. Technol. 142: 665–675 Yilmaz O., Eyercioglu O., Gindy N. (2006). A user-friendly fuzzy-based system for the selection of electro discharge machining process parameters. J. Mater. Process. Technol. 172: 363–371 Mari M., Dellepiane S. (1997). A non-linear image processing approach through fuzzy measures. Pattern Recogn. Lett. 18: 1109–1115 Flaig A., Barner K.E., Arce G.R. (2000). Fuzzy ranking: theory and applications. Signal Process. 80: 1017–1036 Kim M.H., Jang D.S., Yang Y.K. (2001). A robust-invariant pattern recognition model using fuzzy ART. Pattern Recogn 34: 1685–1696 Banerjee M., Kundu M. (2003). Edge based features for content based image retrieval. Pattern Recogn. 36: 2649–2661 Li C., Huang J., Chen C. (2004). Soft computing approach to feature extraction. Fuzzy Sets Systems 147: 119–140 Yen J., Langari R. (1999). Fuzzy Logic: Intelligence, Control and Information. Prentice Hall, New Jersey