【技術實現步驟摘要】
本專利技術涉及數字圖像處理和古文字信息處理的交叉領域，尤其是一種可有效抵抗邊界瑕疵和缺損的，邊緣碴口匹配容錯好、準確性高、魯棒性好、自適應能力強、無需人工標定及綴合速度快的全尺度輪廓特征分解矩陣的計算機輔助甲骨綴合方法。
技術介紹
1、計算機輔助甲骨綴合旨在以甲骨拓片圖像為對象，以人類專家的專業經驗為指導，建模和提取適用甲骨卜辭自動綴合的量化特征，進而實現對斷裂甲骨殘片進行全自動或半自動的拼接。它有望突破專家依賴、經驗知識、時空地域、工作效率的局限，目前已成為甲骨文研究的新方向之一，是開展甲骨文數字化、推動甲骨文研究的重要途徑。
2、現有的計算機輔助甲骨綴合技術大體分為五類，即基于數字化編碼的綴合方法、基于邊角特征的綴合方法、基于邊緣特征的綴合方法、基于形狀特征的綴合方法、基于深度學習的綴合方法。
3、(1)基于數字化編碼的綴合方法。zhou等人通過甲骨殘片的邊緣、紋理、卜辭走向、卜辭等元素來確定拼接規則，再依次根據對甲骨碎片在乙編中的編號、甲骨碎片在整版龜甲上的位置、甲骨的尺寸、甲骨刻辭文字的字體和甲骨碎片上的刻劃位置等信息，來對各個甲骨碎片進行數字化編碼并進一步完成基于特定編碼規則的拼接；tong等人改進了編碼拼接方法來確定拼接規則，除了相鄰骨版外，還可以將每一骨板的四分之一以上碎片進行綴合，來對各個甲骨碎片進行數字化編碼。類似地，葛文英等人在甲類甲骨碎片數字化處理基礎上進行計算機甲骨文綴合。該類方法便于人工識別，但比較耗費人力，不利于用計算機的自動處理，特別是當待綴合碎片的信息表示不準確時，將直接影
4、(2)基于邊角特征的綴合方法。lin等人利用甲骨邊緣提取、邊緣向量化和多邊形調整等預處理運算提取出甲骨碎片圖像的邊緣特征，再在凹凸邊角、連續多邊角、360度邊角三種情況下分析甲骨殘片圖像的角度特征，進而提出了一種邊緣長度比值法和一種邊緣凹角與凸角的拼接法，在所有候選的甲骨碎片中搜索到符合比值的平方和數值約束的邊角，實現甲骨碎片的拼接；史寶珠等人通過基于角度特征的粗匹配、基于角邊長特征的匹配、碎片匹配的查缺補漏等過程，得到一個可以接受的碎片圖像拼接結果；劉永革等人提出了一種基于夾角序列的二維碎片輪廓匹配算法，以獲得兩塊甲骨碎片之間最可能的綴合結果。但是，上述三種方法的計算量仍然比較大，并且對于磨損嚴重的甲骨碎片，其邊界瑕疵和缺損往往會引進干擾性特征，不可避免地增加了誤匹配的機率。
5、(3)基于邊緣特征的綴合方法。wang等人依據甲骨拓片圖像的輪廓序列點，計算每3個輪廓序列點連線構成的夾角角度，將此角度作為甲骨拓片圖像特征，進行甲骨碎片拓片圖像匹配；王愛民等人先對甲骨碎片的輪廓進行提取，并計算該輪廓的鏈碼描述符、傅里葉描述符、b樣條描述符等特征，得到甲骨碎片的輪廓特征向量，在此基礎上，采用一定的距離度量(如歐式距離、相似度距離等)，將待拼接碎片的輪廓特征向量與數據庫中每幅圖像的輪廓特征向量進行匹配，最終完成綴合；張重生等人以人工交互方式為甲骨碎片添加邊緣線和切線，再利用計算機自動生成邊緣線的時間序列，進而在切線的輔助下，通過甲骨碎片的增量式旋轉來完成綴合；tian等人對甲骨拓片圖像的邊角、邊緣、形狀等邊界特征進行提取，并利用曲線擬合度分析和皮爾遜相關性系數，從數據庫中選取候選的甲骨碎片圖像的輪廓片段進行比對；張重生等人設計了一種基于甲骨碎片邊緣的斜率變化量序列匹配的綴合方法，將甲骨殘片的斷邊碴口圖像匹配問題轉化為數值型的序列數據和序列相似性比對問題。不過，此類方法的閾值選取較為困難，對邊緣特征的距離測度較為敏感，忽略了各個甲骨碎片之間的凹凸性，導致此類方法僅當甲骨斷裂處的碴口出現高度匹配時才會取得令人滿意的綴合結果，其邊緣匹配的容錯性低，而且在個別情況下還需要借助人工進行交互干預。
6、(4)基于形狀特征的綴合方法。zhang等人利用邊界增補、邊界提取等方法得到甲骨碎片的原始邊界，再采用圖像的幾何操作(如平移、旋轉等)將甲骨碎片的原始邊界移動到目標邊界上，取最大的邊界匹配長度與匹配邊界縫隙面積的比值作為相似度量，進而找出相似度最高的候選甲骨碎片完成自動拼接。周術誠等人利用基于三角剖分的輪廓曲線提取和濾波算法得到二維圖像的輪廓曲線，提出了一種多尺度自適應閾值的二維輪廓匹配算法。盡管基于外輪廓形狀特征的拼接方法取得了一定效果，可是對于一些磨損嚴重的甲骨碎片，其邊界往往會存在一定的瑕疵和缺損，以致對該類方法造成不可忽視的影響和誤差，不易于綴合還原。
7、(5)基于深度學習的綴合方法。張重生等人將甲骨拓片圖像的輪廓點轉換為時間序列，再將其輸入生成對抗網絡增強正、反例拓片的判別能力，采用孿生神經網絡以對比學習的方式實現綴合拓片圖像的檢索，進而提出了一種自監督的甲骨碎片綴合網絡s3-net。yuan等人也提出了一種基于孿生神經網絡的甲骨綴合方法，利用相似特征融合模塊增強骨干網絡對待綴合拓片圖像及候選拓片圖像的特征提取能力，進而將其輸入骨干網絡并使用自適應平均池和前向反饋網絡計算拓片圖像之間的綴合概率，實現相似拓片圖像的綴合。金逸凡等人利用基于補丁的鄰域編碼計算甲骨拓片圖像的輪廓形狀和紋理特征，然后采用圖卷積神經網絡提取甲骨拓片圖像的局部輪廓特征和局部紋理特征，在將這兩種特征進行拼接融合的基礎上，為每對拓片圖像計算得到一個相似度矩陣實現其相似度的度量和拓片匹配。王云天等人采用邊緣等距離重新連接方法定位兩個甲骨殘片的邊緣匹配位置并裁剪出目標區域圖像，再使用卷積神經網絡計算目標區域圖像的紋理相似性，進而提出一種甲骨碎片的深度綴合網絡。雖然此類方法能夠通過自主學習特征的方式避免人工設計的綴合特征的局限性，可是囿于甲骨拓片綴合的數據集規模有限，此類方法仍存在泛化能力不足的問題。同時，現有方法均需要甲骨專家進行手工標定拓片輪廓，交互工作量較大且經驗知識要求較高，導致此類方法尚無法完成甲骨拓片的批量自動綴合，效率較低。
8、綜上所述，欲想實現甲骨卜辭殘片的計算機自動綴合，仍然是一件極具挑戰性的工作。目前，尚沒有一種可有效抵抗邊界瑕疵和缺損的，邊緣碴口匹配容錯好、準確性高、魯棒性好、自適應能力強、無需人工標定、綴合速度快的計算機輔助甲骨綴合方法。
技術實現思路
1、本專利技術是為了解決現有技術所存在的上述技術問題，提供一種可有效抵抗邊界瑕疵和缺損的，邊緣碴口匹配容錯好、準確性高、魯棒性好、自適應能力強、無需人工標定、批量自動處理、基于全尺度輪廓特征分解矩陣的計算機輔助甲骨綴合方法。
2、本專利技術的技術解決方案是：一種全尺度輪廓特征分解矩陣的計算機輔助甲骨綴合方法，其特征在于按照如下步驟進行：
3、步驟1.輸入待匹配的甲骨拓片圖像i及需反饋的候選綴合拓片圖像數量ktop，并將圖像i的顏色空間從rgb轉換到gray，得到灰度圖像igray；
4、步驟2.利用最大類間方差法對igray進行閾值化處理，得到二值圖像ibin；
5、步驟3.采用一個大小為r1×r1的全1矩陣作為結構元素，對ibin進行形態學本文檔來自技高網...
【技術保護點】
1.一種全尺度輪廓特征分解矩陣的計算機輔助甲骨綴合方法，其特征在于按照如下步驟進行：
【技術特征摘要】
1.一種全尺度輪廓特征分解矩陣的計算機輔助...
【專利技術屬性】
技術研發人員：宋傳鳴，馮云龍，侯薛靜雨，周雨晴，洪飏，
申請(專利權)人：遼寧師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。