古文獻(xiàn)文字圖像分割與差異性比對算法研究.pdf

1、古文獻(xiàn)有重要的歷史和學(xué)術(shù)研究價(jià)值。隨著古文獻(xiàn)研究的不斷深入，不同版本間的差異性比對研究已成為古文獻(xiàn)學(xué)的重要研究內(nèi)容。目前，差異性比對研究大多采用人工方式，效率較差。利用圖像技術(shù)進(jìn)行差異性比對是提高效率和準(zhǔn)確度的有效途徑。但由于現(xiàn)存的古文獻(xiàn)大多質(zhì)量較差，使得到的圖像不清晰、信息不完整，加之存在手工抄錄隨意性較大，字體間存在重疊、粘連，古文字類型多樣（如小篆、隸書、楷書等）等因素，導(dǎo)致古文獻(xiàn)文字圖像切分以及不同版本差異比對的研究中有很多難點(diǎn)

2、。
　　根據(jù)古文獻(xiàn)和古漢字的特點(diǎn)，本文提出了用于文字圖像分割的列切分算法和兩種字切分算法以及用于差異性比對的算法。列切分采用基于統(tǒng)計(jì)的投影循環(huán)過濾算法。字切分算法包括基于分段投影的多步切分算法和基于可變窗口的多步切分算法。差異性比對采用基于特征提取的滑動窗口比對算法。
　　基于統(tǒng)計(jì)的投影循環(huán)過濾算法是先對古文獻(xiàn)做縱向上的投影，并統(tǒng)計(jì)出每一列中黑色像素個數(shù)，然后采用循環(huán)過濾的方法對統(tǒng)計(jì)結(jié)果做分析處理，直到分離出比較均勻的列。該

3、算法在較多噪點(diǎn)等多種復(fù)雜情況下，取得了很好的效果。
　　基于分段投影的多步切分算法是在列切分的基礎(chǔ)上，首先采用投影切分方法分割相離字。對未得到切分的非相離字，依次采用分段投影切分法、頂?shù)撞抗P畫特征切分法進(jìn)行切分，并在切分完成后采用上下文檢驗(yàn)的方法做切分檢驗(yàn)。其中，分段投影切分法采用二分的思想把存在粘連、重疊的字段分為左右兩部分，分別投影并分析投影數(shù)組獲取字段的切分路徑；頂?shù)撞抗P畫特征切分法是根據(jù)漢字頂?shù)撞抗P畫的特點(diǎn)找到過度切分和不

4、足切分并以此調(diào)整切分路徑。實(shí)驗(yàn)表明，該方法在字體間有較多重疊、粘連等復(fù)雜情況下，能很好的用于古文獻(xiàn)中手寫漢字的分割。
　　基于可變窗口的多步切分算法同樣是在列切分的基礎(chǔ)上，首先采用投影切分法切分相離字。然后采用可變窗口的方法切分非相離字。實(shí)驗(yàn)表明，該方法充分利用了前景點(diǎn)像素信息，提高了手寫古漢字的切分正確率。
　　基于特征提取的滑動窗口比對算法是在文字切分的基礎(chǔ)上應(yīng)用于古文獻(xiàn)差異性比對的方法。該方法首先對手寫漢字做歸一化處理