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。
编辑
编辑
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：
- **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。
- **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。
- **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。
- **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。
