[发明专利]基于形态先验特征的甲骨刻辞文字修复方法

说明书

本发明公开一种基于形态先验特征的甲骨刻辞文字修复方法，首先，去除甲骨刻辞图像的点状噪声，得到初步降噪后的图像；其次，通过分析甲骨文字区域和噪声区域的面积分布特征，将那些小于面积均值的连通区域和长宽比小的连通区域判定为噪声并进行填充，从而去除甲骨刻辞图像的片状斑纹和固有纹理；最后，进行基于Sobel算子的边缘检测、基于4‑链码的轮廓跟踪以及基于边缘向量夹角的边缘像素段分析和拐点提取，对甲骨文字的凹凸边缘进行基于像素段平移的平滑修复，进而在尽量保持文字字形的同时，实现甲骨文字的边缘修复。

技术领域

本发明涉及数字图像处理和古文字信息处理的交叉领域，尤其是一种可有效抵抗龟甲和兽骨上的点状噪声、片状斑纹和固有纹理的干扰，准确性高、鲁棒性好、处理速度快及具备自适应能力的基于形态先验特征的甲骨刻辞文字修复方法。

背景技术

甲骨文是商朝后期用龟甲、兽骨进行记事和占卜的文字。它作为我国迄今为止发现的年代最早的成熟文字系统，具有极其重要的保护价值、研究价值以及崇高的象征意义。甲骨文不仅是我国语言、文化、历史可追溯的最早源头，是汉字的源头和中华优秀传统文化的根脉，是千年中华文明的标志，也印证了历史上一系列古文献的真实性，把有记载的中华文明史向前推进了近五个世纪。因此，甲骨文字考释成为古文字研究领域中最重要的内容之一，为研究中华源远流长的灿烂文明史和早期国家与人文社会形态，提供了独特而真实可信的第一手史料。

因为甲骨文字数量众多，年代久远，其结构不仅明显有别于现代文字，而且形体复杂、字形繁复、异体字众多，所以释读甲骨文要求研究者具有广博的知识基础和长期的专业训练，是一项极具挑战的任务。目前，仍存在大量甲骨文字未被准确释读，甚至有学者将其归之为“绝学”以内。随着计算机图像识别能力的提升，以计算机视觉技术为基础，结合甲骨文的专业知识，进行甲骨文字识别已成为可能。然而，一方面，经过三千余年的土壤压力和腐蚀，又经发掘、运输、辗转流传，很多甲骨均有不同程度的损坏，其文字多已模糊不清，另一方面，由于龟甲和兽骨的质地比较粗糙，本身又存在齿缝、兆纹、盾纹、刻痕等纹理，甲骨文字往往受到点状噪声、片状斑纹和固有纹理的强烈干扰，这就不可避免地导致甲骨拓片图像中的字迹经常出现断裂、毛刺、污迹以及与背景纹理的叠加，且文字边缘粗细不均，锯齿效应明显，有的地方向内凹陷，有的地方向外凸出。在这种情况下，欲想直接利用典型的文档分析和文字识别算法进行自动处理几乎是不可能的。因此，在龟甲或兽骨上自动定位到甲骨文字区域，并对其中的文字笔迹进行有效修复，对于提高后续的字形特征提取和自动识别的精度具有基础且重要的意义。

目前，典型的图像修复方法主要包括三类：基于偏微分方程的修复方法、基于稀疏表示的修复方法、基于纹理合成的修复方法。第一，基于偏微分方程的修复方法利用凸分裂的思想，将图像待修复区域周围的信息扩散至待修复区域。例如，Shen等人提出了一种整体变分算法；Chan等人提出了一种曲率驱动扩散算法等。该类方法适用于处理划痕等小尺度破损图像，但是对于大范围信息缺失的图像，其修复结果往往不尽人意。第二，基于稀疏表示的修复方法利用固定字典或者是字典学习的方法来修复图像的破损区域。由于自然图像本身具有稀疏性且稀疏表示能够有效刻画图像的内在结构和先验属性，从而实现图像的最优逼近，基于稀疏表示的策略在图像修复领域中获得了广泛应用。例如，Elad等人提出了稀疏形态成分分解模型；Sahoo等人提出了基于局部图像块的稀疏近似模型；李清泉等人结合人机交互和稀疏表示提出了壁画修复模型等。不过在通常情况下，图像的稀疏表示系数服从随机分布，若待修复区域的稀疏系数分布不同于其参考区域，则无法充分发掘稀疏系数的内在联系和相关样本图像块之间的相关性，以致影响图像的修复效果。第三，基于纹理合成的修复方法通过分析整幅图像的纹理特征，在已知区域内选择与待修复区域最相似的图像区块，来实现图像块的修复。例如，Hu等人利用唐卡对称性特点，提出一种用于唐卡图像的修复与预测方法；张东等人利用小波变换将图像分解成具有不同分辨率的低频分量和高频分量，进而根据高频分量的不同特征来修复具有丰富边缘和纹理的破损图像。该类方法适用于修复具有规则纹理的小尺度破损图像，若图像中的边缘和纹理过于复杂，基于纹理合成的方法则无法获得较高的修复质量。同时，上述三类典型方法尚无法抑制甲骨拓片图像中点状噪声、片状斑纹和固有纹理的干扰，甚至会在修复过程中引起更多伪边缘。