汉字伴随着中华文化源远流长,是中华文化辉煌的象征。在过去三千年间,世界上超过四分之一的人在使用汉字,汉字一直是中国乃至东亚地区教育,就业,沟通和日常交流的基本工具之一。除此之外,汉字不仅是作为一种语言被使用,从古至今,诸多书法家留下了他们的佳作,中国书法不仅是一种语言表达,更是一种视觉艺术。随着数字信息时代来临,手写体汉字的应用场景和需求逐渐增加,利用标准印刷字体生成手写字体变的尤为重要。传统的字体生成方法集中在汉字的笔画分解并建立层级关系,并没有把研究的重心放在汉字整体风格上。生成对抗网络(Generative Adversarial Networks,GAN)为此开创了新的思路,GAN能够“学习”到已知的真实数据的样本分布,进而模仿该样本并生成真假难辨的数据。对于手写体汉字生成而言,不仅要生成笔画准确的汉字,还要学习到汉字的书写风格,一般的GAN无法完成这样的任务。为了更好的完成手写体汉字生成任务,本文提出改进的Cycle GAN进行手写汉字生成。Cycle GAN是近年来GAN的衍生模型之一。本文通过改进Cycle GAN生成器中传输模块的网络结构,将原结构中的深度残差网络(Res Net)用密集级联网络(Dense Net)替换,由于密集级联网络更优的性能,改进的Cycle GAN能“学习”到更多汉字图像的细节特征,进而生成更好的手写汉字图像。图像预处理和特征提取是图像识别的重要手段。本文将生成对抗网络生成的汉字图像作为手写汉字识别实验的数据集,从汉字识别的正确率衡量本文算法的有效性,实验结果表明,本文算法生成的汉字图像在不同特征下的识别率都比原方法生成的汉字图像高,同时基于最直观的人眼视觉评价,本文生成的汉字图像汉字结构更加完整,轮廓更加清晰,更为美观。