边缘梯度协方差引导的甲骨卜辞文字轮廓修复方法技术

本发明专利技术公开一种边缘梯度协方差引导的甲骨卜辞文字轮廓修复方法，首先，将待处理的甲骨拓片图像进行对比度增强、形态学操作和连通域几何属性分析，提取出甲骨卜辞文字；其次，利用边缘梯度的自相关矩阵对文字边缘的局部曲率进行分析，把其划分为平滑区域和笔划拐点区域；然后，对于平滑区域的文字边缘轮廓，采用线性插值方法对其进行平滑重构，而对于拐点区域的文字边缘轮廓，则利用局部梯度协方差和最小均方误差法计算最优的线性插值权重，实现边缘定向插值重构。定向插值重构。定向插值重构。

【技术实现步骤摘要】
边缘梯度协方差引导的甲骨卜辞文字轮廓修复方法


[0001]本专利技术涉及数字图像处理和古文字信息处理的交叉领域，尤其是一种能保持甲骨卜辞字形和笔划的整体风格，修复质量高、处理速度快、鲁棒性强、字形轮廓平滑度和边缘特征保真度好，有效克服字迹断裂、突起状毛刺、边缘锯齿效应和边缘特征退化的边缘梯度协方差引导的甲骨卜辞文字轮廓修复方法。

技术介绍

[0002]甲骨卜辞文字是镌刻于兽骨或龟甲上的一种古文字，其内容主要以记载商代王族的占卜记录为主，反映了距今3600多年前的殷商时期历史。作为可考证的最早文字系统，甲骨卜辞文字对中国乃至世界文明溯源均有重要的研究意义。然而，一方面，甲骨文字数量众多，字形繁杂，直接书写于龟甲和兽骨，其书写材料不够光滑，本身又存在齿缝、兆纹、盾纹、刻痕等纹理，加之深埋地下数千年受到严重腐蚀，字形往往模糊不清，并且常受到点状噪声、片状斑纹和固有纹理的强烈干扰；另一方面，甲骨文在挖掘出土时受到损坏，字形边缘轮廓往往出现断裂和残缺等情况。这就导致人工释读和计算机文字识别工作困难重重。
[0003]甲骨文字修复的根本目的是借助计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘梯度协方差引导的甲骨卜辞文字轮廓修复方法，其特征在于按照如下步骤进行：步骤1.输入待处理的甲骨卜辞拓片图像I
ori
；步骤2.利用形态学开运算估计I
ori
的背景亮度，得到背景图像I
background
；步骤3.从I
ori
中减去I
background
，得到前景图像I
foreground
；步骤4.采用stretchlim方法为图像I
foreground
计算出自适应灰度变换的最佳下界low和最佳上界high，进而将I
foreground
进行对比度拉伸运算，使其亮度值的范围处于[low,high]区间，得到对比度增强后的甲骨拓片图像I
enhanced
；步骤5.利用最大类间方差法计算全局最佳分割阈值T
seg
，并利用阈值T
seg
对I
enhanced
进行粗分割，进而将I
enhanced
转换为二值图像I
bw
，其中，前景文字区域的灰度为白色，背景区域的灰度为黑色；步骤6.对二值图像I
bw
中的每个8
‑
连通区域进行标记，令8
‑
连通区域的总数为N
con
；步骤7.测量二值图像I
bw
中每个8
‑
连通区域的属性；步骤7.1计算I
bw
中第i个8
‑
连通区域的面积A
i
、边缘坐标集合C
i
、像素坐标集合P
i
，所述i为正整数且1≤i≤N
con
；步骤7.2利用第i个8
‑
连通区域的边缘坐标集合C
i
和像素坐标集合P
i
计算外接矩形框，得到其左上角坐标和右下角坐标并显示该连通区域的外接矩形框；步骤8.计算所有8
‑
连通区域的最大面积A
max
、最小面积A
min
、平均面积A
avg
和面积分布的标准差A
σ
，并绘制所有8
‑
连通区域的面积分布直方图；步骤9.判断二值图像I
bw
的噪声区域并进行填充，得到去噪后的图像I
′
bw
，令i
←
1，并令N
text
←
0，所述N
text
表示I
′
bw
中包含的文字区域数量；步骤9.1对于图像I
bw
的第i个8
‑
连通区域，若其面积A
i
小于A
avg
‑
A
σ
，则将当前的8
‑
连通区域判定为点状噪声区域，并将其填充为背景；步骤9.2对于图像I
bw
的第i个8
‑
连通区域，若其面积A
i
大于A
avg
+A
σ
，则将当前的8
‑
连通区域判定为片状斑纹噪声区域，并将其填充为背景；步骤9.3对于图像I
bw
的第i个8
‑
连通区域，若其外接矩形框的高宽比或则将当前的8
‑
连通区域判定为齿缝、兆纹、盾纹和刻痕等固有的非文字区域并将其填充为背景，否则将当前的8
‑
连通区域判定为文字区域，并令N
text
←
N
text
+1，所述ρ
max
和ρ
min
表示预设的常量；步骤9.4令i
←
i+1，若i≤N
con
，则返回步骤9.1，否则令j
←
1并转入步骤10；步骤10.从图像I
′
bw
中取出第j个文字区域，对应第j个甲骨卜辞单字；步骤11.从图像I
′
bw
中取出第j个文字区域的外接矩形框所包含的像素集合，进而建立一幅子图像I
j
，令其高度为h
j
像素，宽度为w
j
像素；步骤12.利用Canny算子对I
j
进行边缘检测，得到边缘图像I
edge
中；步骤13.利用沿着水平方向的差分算子(
‑
2,
‑
1,0,1,2)计算I
edge
的水平梯度I
x
，并利用沿着竖直方向的差分算子(
‑
2,
‑
1,0,1,2)
T
计算I
edge
的竖直梯度I
y
，所述上标T表示转置运算；
步骤14.根据公式(1)，计算水平梯度I
x
的Hadamard乘积，得到的Hadamard乘积，得到其中，“*”表示Hadamard乘积的运算符；步骤15.根据公式(2)，计算竖直梯度I
y
的Hadamard乘积，得到的Hadamard乘积，得到步骤16.根据公式(3)，计算水平梯度I
x
与竖直梯度I
y
的Hadamard乘积，得到的Hadamard乘积，得到步骤17.建立高斯平滑算子G，其尺寸为h
G
×
h
G
，并利用该算子对和进行卷积滤波，所述h
G
表示预设的常量；步骤18.计算子图像I
j
中每个像素的特征值；步骤18.1令c
←
1，l
←
1；步骤18.2根据公式(4)，建立一个大小为2
×
2阶的自相关矩阵M，用于表示子图像I
j
中位于第c行、第l列的像素的梯度自相关；所述表示中位于第c行、第l列的元素值，表示中位于第c行、第l列的元素值，表示中位于第c行、第l列的元素值；步骤18.3根据公式(5)，计算自相关矩阵M的特征值R(c,l)；R(c,l)＝det(M)
‑
κ
·
trace2(M)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(5)所述det(M)表示矩阵M所对应的行列式的值，trace(M)表示矩阵M的迹，κ表示预设的加权常数；步骤18.4令l
←
l+1，若l≤w
j
，则返回步骤18.2，否则，转入步骤18.5；步骤18.5令c
←
c+1，l
←
1，若c≤h
j
，则返回步骤18.2，否则，转入步骤18.6；步骤18.6根据公式(6)，计算全部特征值的最大值R
max
(c,l)，并令β
←
0.1
×
R
max
(c,l)；所述max{
·
}表示取最大值函数，β表示用于判断特征点的预设阈值；步骤19.在子图像I
j
...

【专利技术属性】
技术研发人员：宋传鸣，乔明泽，武惠娟，洪飏，王相海，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：