2024mathorcup数学建模B题甲骨文智能识别中原始拓片单字自动分割与识别研究思路分析及参考代码

1 赛题

B 题 甲骨文智能识别中原始拓片单字自动分割与识别研究
甲骨文是我国目前已知的最早成熟的文字系统，它是一种刻在龟甲或 兽骨上的古老文字。甲骨文具有极其重要的研究价值，不仅对中国文明的 起源具有重要意义，也对世界文明的研究有着深远影响。 在我国政府的大 力推动下，甲骨文研究已经进入一个全新的发展阶段。 人工智能和大数据 技术被应用于甲骨文全息性研究及数字化工程建设，成为甲骨文信息处理领域的研究热点[1]。

甲骨文拓片图像分割是甲骨文数字化工程的基础问题，其目的是利用 数字图像处理和计算机视觉技术， 在甲骨文原始拓片图像的复杂背景中提 取出特征分明且互不交叠的独立文字区域。它是甲骨文字修复、 字形复原 与建模、文字识别、拓片缀合等处理的技术基础[2]。然而，甲骨拓片图像 分割往往受到点状噪声、人工纹理和固有纹理三类干扰元素的严重影响[3]。 且甲骨文图像来源广泛，包括拓片、拍照、扫描、临摹等，不同的图像来 源，其干扰元素的影响是不同的。由于缺乏对甲骨文字及其干扰元素的形 态先验特征的特殊考量，通用的代表性图像分割方法目前尚不能对甲骨文 原始拓片图像中的文字目标和点状噪声、人工纹理、固有纹理进行有效判 别，其误分割率较高，在处理甲骨拓片图像时均有一定局限性。如何从干 扰众多的复杂背景中准确地分割出独立文字区域，仍然是一个重待解决的具有挑战性的问题。

图 1 为一张甲骨文原始拓片的图像分割示例，左图为一整张甲骨文原始拓片， 右图即为利用图像分割算法[4]实现的拓片图像上甲骨文的单字分 割。甲骨文的同一个字会有很多异体字，这无疑增加了甲骨文识别的难度，图 2 展示了甲骨文中“人 ”字的不同异体字。


现希望通过对已标记的甲骨文图像进行分析、特征提取和建模，从而 实现对一张新的甲骨文图像进行单个文字的自动分割和识别。具体任务如下：

问题 1：对于附件 1（Pre_test 文件夹） 给定的三张甲骨文原始拓片图 片进行图像预处理，提取图像特征，建立甲骨文图像预处理模型，实现对甲骨文图像干扰元素的初步判别和处理。
问题 2：对甲骨文原始拓片图像进行分析，建立一个快速准确的甲骨 文图像分割模型，实现对不同的甲骨文原始拓片图像进行自动单字分割， 并从不同维度进行模型评估。其中附件 2（Train 文件夹） 为已标注分割的数据集。
问题 3：利用建立的甲骨文图像分割模型对附件 3（Test 文件夹） 中的 200 张甲骨文原始拓片图像进行自动单字分割， 并将分割结果放在“Test_results.xlsx ”中，此文件单独上传至竞赛平台。
问题 4：基于前三问对甲骨文原始拓片图像的单字分割研究， 请采用 合适的方法进行甲骨文原始拓片的文字识别， 附件 4（Recognize 文件夹） 中给出了部分已标注的甲骨文字形（不限于此训练集，可自行查找其他资 料，如使用外部资料需在论文中注明来源），请对测试集中的50 张甲骨文原始拓片图像进行文字自动识别， 并以适当结果呈现。

2 解题思路

甲骨文作为中国最早的成体系文字，具有重要的历史和文化价值。然而，由于其年代久远，保存条件恶劣，甲骨文拓片往往模糊不清，给单字的自动分割和识别带来了极大的挑战。本文分析了2024mathorcup数学建模B题中甲骨文智能识别问题，提出了基于图像处理、机器学习和深度学习相结合的研究思路，旨在实现原始拓片单字的自动分割和识别。

一、图像预处理

图像预处理是甲骨文智能识别中的重要步骤，其目的是去除拓片中的噪声和干扰，增强单字的特征。常用的图像预处理技术包括：

• **灰度化：**将彩色拓片转换为灰度图像，减少色彩干扰。
• **二值化：**将灰度图像转换为二值图像，分离单字和背景。
• **形态学处理：**通过膨胀、腐蚀等操作，去除噪声和填充空洞。
• **边缘检测：**提取单字的轮廓特征，为分割提供依据。

二、单字分割

单字分割是将拓片中的单字从背景中分离出来。常用的单字分割算法包括：

• **连通域分析：**根据像素的连通性将拓片划分为不同的连通域，每个连通域对应一个单字。
• **轮廓检测：**提取单字的轮廓，并根据轮廓形状进行分割。
• **聚类算法：**将拓片中的像素聚类，每个簇对应一个单字。
• **深度学习模型：**训练深度学习模型对拓片进行语义分割，直接输出单字的分割结果。

三、单字识别

单字识别是将分割出的单字与已知的甲骨文数据库进行匹配，确定其对应的文字。常用的单字识别算法包括：

• **模板匹配：**将分割出的单字与数据库中的模板进行匹配，找到相似度最高的模板。
• **特征提取与分类：**提取单字的特征（如笔画、结构等），并使用机器学习算法进行分类。
• **深度学习模型：**训练深度学习模型对分割出的单字进行端到端的识别。

四、研究思路

基于上述技术，本文提出以下研究思路：

1. **图像预处理：**采用灰度化、二值化、形态学处理和边缘检测等技术对拓片进行预处理，增强单字特征。
2. **单字分割：**结合连通域分析、轮廓检测和深度学习模型等方法，实现拓片中单字的自动分割。
3. **单字识别：**利用模板匹配、特征提取与分类以及深度学习模型等技术，对分割出的单字进行识别。
4. **模型优化：**通过交叉验证、超参数调优等手段，优化模型的性能，提高单字分割和识别的准确率。

五、预期成果

通过实施上述研究思路，预期成果包括：

• 开发一套基于图像处理、机器学习和深度学习相结合的甲骨文智能识别系统。
• 实现原始拓片单字的自动分割和识别，提高甲骨文研究的效率和准确性。
• 为甲骨文数字化、保护和传承提供技术支持，促进中华传统文化的传播和发展。

六、总结

甲骨文智能识别是一项具有挑战性的任务，需要图像处理、机器学习和深度学习等多学科交叉融合。本文分析了2024mathorcup数学建模B题中甲骨文智能识别问题，提出了基于图像预处理、单字分割和单字识别的研究思路，旨在实现原始拓片单字的自动分割和识别。通过实施该研究思路，有望开发出高效、准确的甲骨文智能识别系统，为甲骨文研究和中华文化传承做出贡献。

参考代码 图像处理