CN111382749B - 一种基于二维结构特征的青铜器铭文图像自动识别方法 - Google Patents

Abstract

本发明公开了一种基于二维结构特征的青铜器铭文图像自动识别方法，该方法利用图像分割方法采集青铜器铭文图像数据，建立数据集；将青铜器铭文图像归一化；通过2个青铜器铭文图像结构特征描述，构造二维青铜器铭文图像形态结构特征向量；融合青铜器铭文图像的长宽比、角点形心距离2个特征向量，使用欧式距离对青铜器铭文图像进行自动匹配识别。更适用于进行青铜器铭文的自动匹配识别。

Description

一种基于二维结构特征的青铜器铭文图像自动识别方法

技术领域

本发明属于图像识别技术领域，涉及古文字识别，特别涉及一种基于二维结构特征的青铜器铭文图像自动识别方法。

背景技术

青铜器铭文又称金文，起于商代，盛行于周代，是由甲骨文的基础上发展起来的文字。因青铜器铭文铸刻于钟鼎之上，有时也称为钟鼎文。青铜器铭文是古文字学研究的一类重要的材料，对青铜器铭文的研究，属于古文字学的一项重要内容。只有按照古文字学的科学的研究手段具体地研究青铜器铭文在各历史阶段之字形特点、修辞、语句、文法的习惯及其演化过程，才能较深刻的理解此种文字。即使是从青铜器研究角度来观察与认识金文，也需要遵循科学的古文字规则去做深入的钻研，而没有简易的道路。

随着信息技术的发展，青铜器铭文的识别工作受到越来越多的重视。目前，对于青铜器铭文识别的研究尚未做到自动识别。由于青铜器铭文数量多、字形复杂、变体繁多，因此，研究青铜器铭文的准确识别对于解读历史具有重要意义。

发明内容

本发明的目的在于，提供一种基于二维结构特征的青铜器铭文图像自动识别方法。

为了实现上述任务，本发明采取如下的技术解决方案：

一种基于二维结构特征的青铜器铭文图像自动识别方法，其特征在于，具体步骤如下：

步骤一，利用图像分割算法，采集青铜器铭文图像数据，建立数据集；

步骤二，将青铜器铭文图像归一化，以使步骤三中构造的2个青铜器铭文图像形态结构特征向量具有相同的维数；

步骤三，将青铜器铭文图像转换为二值图；并通过2个青铜器铭文图像形态结构特征向量，构造青铜器二维铭文图像形态结构特征向量；

所述2个青铜器铭文图像形态结构特征向量为：

A、青铜器铭文图像长宽比特征向量：是指青铜器铭文图像最小外接矩形的长度与宽度之比值，以表征青铜器铭文图像的结构比例；

B、青铜器铭文图像角点形心距离特征向量：是指青铜器铭文图像角点到青铜器铭文图像形心之间的距离计算，以表征青铜器铭文图像的几何形状特征；

所构造的2个青铜器铭文图像形态结构特征向量，反映了青铜器铭文图像的几何结构比例及形状特征，获得青铜器铭文图像结构特征的全面描述；即：

设青铜器铭文图像为I，其特征向量为F_i(i＝1,2)，利用上述2个青铜器二维铭文图像形态结构特征向量，构造铭文图像I的二维青铜器铭文图像形态结构特征向量F_I为：

F_I＝[F₁,F₂]^T (1)

式中，F_I是维数为2的向量，将其作为主要特征来进行青铜器铭文图像的分类与识别；

步骤四，融合步骤三中构造的青铜器二维铭文图像形态结构特征向量，使用欧式距离对青铜器铭文图像进行自动匹配识别。

根据本发明，所述青铜器铭文图像归一化具体过程为：

设原始青铜器铭文图像为Y行×X列，归一化后为HEIGHT行×WIDTH列，则有：

(1)如果X≤WIDTH且Y≤HEIGHT，只做平移操作；

(2)如果X＞WIDTH且Y＜HEIGHT，则将宽度归一化为WIDTH，高度按比例归一化；

(3)如果X＜WIDTH且Y＞HEIGHT，则将文字高度归一化为HEIGHT，宽度按比例归一化；

(4)如果X＞WIDTH且Y＞HEIGHT,则将文字归一化为HEIGHT行×WIDTH列。

进一步地，所述的构造青铜器二维铭文图像形态结构特征向量具体过程为：

1)青铜器铭文图像中从矩阵第一行开始扫描数据，如果没有为1的数据，则开始扫描第二行，直到出现第一个数据1，记录下相应的行数r₁；从最后一行开始扫描数据，直到出现第一个1，记下相应行数r₂；从第一列开始扫描数据，直到出现第一个1，记下相应列数c₁；从最后一列开始扫描数据，直到出现第一个1，记下相应列数为c₂；则青铜器铭文图像的长宽比特征量为：

2)提取青铜器铭文图像的角点与形心坐标，假如有m个角点，记为：

A＝{a₀,a₁,……,a_m-1} (3)

假设a_i＝{x_i,y_i}为第i角点的坐标，C_c＝(x_c,y_c)是青铜器铭文图像的形心，R为角点到形心的距离，max(R)为角点到形心的最大距离，则定义距离R为：

各角点与形心的距离归一化后，则：

定义青铜器铭文图像的角点形心距离特征量计算公式为：

3)上述2个青铜器铭文图像形态结构特征向量，反映了青铜器铭文图像的几何结构比例及形状特征，综合考虑上述2个青铜器铭文图像形态结构特征向量，可获得青铜器铭文结构特征的一个比较全面的描述；即：

设青铜器铭文图像为I，其特征向量为F_i(i＝1,2)，利用上述2个青铜器铭文图像形态结构特征向量，构造青铜器铭文图像I的二维青铜器铭文形态结构特征向量F_I为：

F_I＝[F₁,F₂]^T (7)

式中，F_I是维数为2的向量，将其作为依据来进行青铜器铭文图像的分类与识别。

优选地，所述使用欧式距离进行青铜器铭文图像匹配识别具体过程为：

以特征向量之间的欧氏距离作为判定标准，选取距离最短的类别作为同一类别，先提取模板库青铜器铭文图像的二维铭文图像形态结构特征向量：

F_Ii＝[F₁,F₂]^T (8)

其中i＝1，…N，表示模板库图像的个数；

再提取待识别青铜器铭文图像的二维青铜器铭文图像形态结构特征向量：

X＝[X₁,X₂]^T (9)

分别计算待识别青铜器铭文图像与模板库各图像特征向量之间的欧氏距离，按最小距离判决准则，计算出的欧氏距离最小的作为匹配识别的结果；

待识别样本的特征向量X与F_Ii(i＝1,2,...N)类基准模板特征向量间的欧式距离为：

按最小欧式距离判决准则，待识别样本特征向量与某一基准模板的最小欧式距离决定了待识别样本的类别，若：

则判定：X∈F_Ii。

本发明的基于二维结构特征的青铜器铭文图像自动识别方法，只需对所构造的青铜器二维铭文图像形态结构特征向量进行计算，有效地压缩了图像的信息量，提高了识别效率。和现有技术相比，带来的技术创新在于：

首次提出了以青铜器铭文图像长宽比、角点形心距离2个特征向量，构造青铜器二维铭文图像形态结构特征向量；并基于该青铜器二维铭文图像形态结构特征向量，使用欧式距离对青铜器铭文图像进行自动匹配识别，对于青铜器铭文图像识别的精度高、速度快。

为了验证本发明的基于二维结构特征的青铜器铭文图像自动识别方法，实验选用采集的青铜器铭文拓片数据，将二维青铜器铭文图像形态结构特征向量作为识别特征，与只使用长宽比特征向量作为识别特征分别对青铜器铭文“王”、“多”、“日”、“昱”四个类别进行识别，并从识别准确率、消耗时间两个方面对两种算法进行客观评价。试验证明，本发明的基于二维结构特征的青铜器铭文图像自动识别方法，既能有效识别青铜器铭文图像又不增加时间消耗，更适用于进行青铜器铭文图像的自动匹配识别。

附图说明

图1.1～图1.4分别为类别为“王”、“多”、“日”、“昱”的青铜器铭文利用长宽比特征量计算欧式距离实验结果展示，其中，a图是待测的青铜器铭文图像，b图是正确的青铜器铭文图像计算结果，c图是错误的青铜器铭文图像计算结果(部分)。

图2.1～2.4分别为类别为“王”、“多”、“日”、“昱”的青铜器铭文利用融合长宽比特征量和角点形心距离特征量作为识别特征的欧式距离计算实验结果展示，其中，a图是待测的青铜器铭文图像，b图是正确的青铜器铭文图像计算结果，c图是错误的青铜器铭文图像计算结果(部分)。

以下结合附图和实施例并结合具体的试验对本发明做进一步详细的描述。

具体实施方式

本实施例给出一种基于二维结构特征的青铜器铭文图像自动识别方法，包括以下步骤：

步骤1，利用图像分割算法，采集青铜器铭文拓片图像数据，建立数据集；

步骤2，将青铜器铭文图像归一化，以使步骤3中构造的2个青铜器铭文图像形态结构特征向量具有相同的维数，具体归一化步骤为：

设原始青铜器铭文图像为Y行×X列，归一化后为HEIGHT行×WIDTH列，则：

(1)如果X≤WIDTH，且Y≤HEIGHT，只做平移操作；

(2)如果X＞WIDTH，且Y＜HEIGHT，则将宽度归一化为WIDTH，高度按比例归一化；

(3)如果X＜WIDTH，且Y＞HEIGHT，则将文字高度归一化为HEIGHT，宽度按比例归一化；

(4)如果X＞WIDTH且Y＞HEIGHT，则将文字归一化为HEIGHT行×WIDTH列。

步骤3，将青铜器铭文图像转换为二值图，通过2个青铜器铭文图像形态结构特征向量，构造青铜器二维铭文图像形态结构特征向量；

所述2个青铜器铭文图像形态结构特征向量为：

A、青铜器铭文图像长宽比特征向量：是指青铜器铭文图像最小外接矩形的长度与宽度之比值，以表征青铜器铭文图像的结构比例；

B、青铜器铭文图像角点形心距离特征向量：是指青铜器铭文图像角点到青铜器铭文图像形心之间的距离计算，以表征青铜器铭文图像的几何形状特征；

所述构造青铜器二维铭文图像形态结构特征向量具体过程为：

3.1)青铜器铭文图像中从矩阵第一行开始扫描数据，如果没有为1的数据，则开始扫描第二行，直到出现第一个数据1，记录下相应的行数(记为：r₁)；从最后一行开始扫描数据，直到出现第一个1，记下相应行数：r₂；从第一列开始扫描数据，直到出现第一个1，记下相应列数c₁；从最后一列开始扫描数据，直到出现第一个1，记下相应列数为c₂；则青铜器铭文图像的长宽比特征量为：

3.2)提取青铜器铭文图像的角点与形心坐标，假如有m个角点，记为：

A＝{a₀,a₁,……,a_m-1} (3)

假设a_i＝{x_i,y_i}为第i角点的坐标，C_c＝(x_i,y_i)是铭文的形心,R为角点到形心的距离，max(R)为角点到形心的最大距离，则定义距离R为：

各角点与形心的距离归一化后，则：

定义青铜器铭文图像的角点形心距离特征量计算公式为：

3.3)上述所构造的2个青铜器铭文图像形态结构特征向量，反映了青铜器铭文图像的几何结构比例及形状特征，可以获得青铜器铭文图像结构特征的全面描述；即：

设有青铜器铭文图像为I，其特征向量为F_i(i＝1,2)，利用上述2个青铜器铭文图像形态结构特征向量，构造铭文图像I的二维青铜器铭文图像形态结构特征向量F_I为：

F_I＝[F₁,F₂]^T (7)

式中，F_I是维数为2的向量，将其作为依据来进行青铜器铭文图像的分类与识别。

步骤4，融合步骤三中构造的青铜器二维铭文图像形态结构特征向量，使用欧式距离对青铜器铭文图像进行自动匹配识别。具体过程为：

以特征向量之间的欧氏距离作为判定标准，选取距离最短的类别作为同一类别。先提取模板库青铜器铭文图像的二维铭文形态结构特征向量：

F_Ii＝[F₁,F₂]^T (8)

其中，i＝1，...N，表示模板库图像的个数。

再提取待识别青铜器铭文图像的二维青铜器铭文图像形态结构特征向量：

X＝[X₁,X₂]^T (9)

分别计算待识别青铜器铭文图像与模板库各图像特征向量之间的欧氏距离，按最小距离判决准则，计算出的欧氏距离最小的作为匹配识别的结果。

待识别样本的特征向量X与F_Ii(i＝1，2，…N)类基准模板特征向量间的欧式距离为：

按最小欧式距离判决准则，待识别样本特征向量与某一基准模板的最小欧式距离决定了待识别样本的类别，即若

则判定:X∈F_Ii。

经上述步骤后，为了测试本实施例给出的基于二维结构特征的青铜器铭文图像自动识别方法性能，申请人利用本实施例的基于二维结构特征的青铜器铭文图像自动识别方法，与仅仅使用长宽比特征向量作为识别特征分别进行青铜器铭文识别实验，实验选用采集的青铜器铭文拓片数据分别进行“王”、“多”、“日”、“昱”四个类别的青铜器铭文识别，并从识别准确率、消耗时间两个方面对两种方法进行客观评价。

如图1.1～图1.4是仅仅使用长宽比特征量作为识别特征的欧式距离计算实验结果；图2.1～2.4是采用本实施例的基于二维结构特征的青铜器铭文图像自动识别方法的欧式距离计算实验结果。表1给出了上述两种方法识别准确率对比，表2给出了上述两种方法消耗时间对比。

表1：两种算法识别准确率对比

表2：两种算法消耗时间对比

从表1、表2中可以看出，采用本实施例的基于二维结构特征的青铜器铭文图像自动识别方法，对于铭文图像的自动匹配识别取得了良好的效果，实验结果证明，采用基于二维结构特征的青铜器铭文图像自动识别方法，并用欧氏距离计算，识别准确率有所提升，又不增加时间消耗，更适于青铜器铭文图像的匹配识别。

需要说明的是，以上实施例仅仅是本发明的优选实施例，本发明不限于上述实施例。对于本领域普通技术人员来说，对于本发明的技术方案还可以做出若干简单推演或替换，均应当视为本发明的保护范围。

Claims (4)

1.一种基于二维结构特征的青铜器铭文图像自动识别方法，其特征在于，具体步骤如下：

步骤一，利用图像分割算法，采集青铜器铭文图像数据，建立数据集；

步骤二，将青铜器铭文图像归一化，以使步骤三中构造的2个青铜器铭文图像形态结构特征向量具有相同的维数；

步骤三，将青铜器铭文图像转换为二值图，并通过2个青铜器铭文图像结构特征向量，构造青铜器二维铭文图像形态结构特征向量；

所述2个青铜器铭文图像形态结构特征向量为：

A、青铜器铭文图像长宽比特征向量：是指青铜器铭文图像最小外接矩形的长度与宽度之比值，以表征青铜器铭文图像的结构比例；

B、青铜器铭文图像角点形心距离特征向量：是指青铜器铭文图像角点到青铜器铭文图像形心之间的距离计算，以表征青铜器铭文图像的几何形状特征；

所构造的2个青铜器铭文图像形态结构特征向量，反映了青铜器铭文图像的几何结构比例及形状特征，获得青铜器铭文图像结构特征的全面描述；即：

设青铜器铭文图像为I，其特征向量为F_i(i＝1,2)，利用上述2个青铜器铭文图像形态结构特征向量，构造铭文图像I的二维青铜器铭文图像形态结构特征向量F_I为：

F_I＝[F₁,F₂]^T (1)

式中，F_I是维数为2的向量，将其作为依据来进行青铜器铭文图像的分类与识别；

步骤四，融合步骤三中构造的青铜器二维铭文图像形态结构特征向量，使用欧式距离对青铜器铭文图像进行自动匹配识别。

2.如权利要求1所述的方法，其特征在于，所述青铜器铭文图像归一化具体过程为：

设原始青铜器铭文图像为Y行×X列，归一化后为HEIGHT行×WIDTH列，则有：

(1)如果X≤WIDTH，且Y≤HEIGHT，只进行平移操作；

(2)如果X＞WIDTH，且Y＜HEIGHT，则将宽度归一化为WIDTH，高度按比例归一化；

(3)如果X＜WIDTH，且Y＞HEIGHT，则将文字高度归一化为HEIGHT，宽度按比例归一化；

(4)如果X＞WIDTH且Y＞HEIGHT,则将文字归一化为HEIGHT行×WIDTH列。

3.如权利要求1所述的方法，其特征在于，所述的构造青铜器二维铭文形态结构特征向量的具体过程为：

1)青铜器铭文图像中从矩阵第一行开始扫描数据，如果没有为1的数据，则开始扫描第二行，直到出现第一个数据1，记录下相应的行数r₁；从最后一行开始扫描数据，直到出现第一个1，记下相应行数r₂；从第一列开始扫描数据，直到出现第一个1，记下相应列数c₁；从最后一列开始扫描数据，直到出现第一个1，记下相应列数为c₂；则青铜器铭文图像的长宽比特征量为：

2)提取青铜器铭文图像的角点与形心坐标，假如有m个角点，记为：

A＝{a₀,a₁,……,a_m-1} (3)

假设a_i＝{x_i,y_i}为第i角点的坐标，C_c＝(x_c,y_c)是青铜器铭文图像的形心，R为角点到形心的距离，max(R)为角点到形心的最大距离，则定义距离R为：

各角点与形心的距离归一化后，则：

定义青铜器铭文图像的角点形心距离特征量计算公式为：

3)上述2个青铜器铭文图像形态结构特征向量，反映了青铜器铭文图像的几何结构比例及形状特征，综合考虑上述2个青铜器铭文图像形态结构特征向量，可获得青铜器铭文图像结构特征的一个比较全面的描述；即：

设青铜器铭文图像为I，其特征向量为F_i(i＝1,2)，利用上述2个青铜器铭文图像形态结构特征向量，构造青铜器铭文图像I的二维青铜器铭文图像形态结构特征向量F_I为：

F_I＝[F₁,F₂]^T (7)

式中，F_I是维数为2的向量，将其作为依据来进行青铜器铭文图像的识别。

4.如权利要求1所述的方法，其特征在于，所述的使用欧式距离进行青铜器铭文图像匹配识别具体过程为：

以特征向量之间的欧氏距离作为判定标准，选取距离最短的类别作为同一类别，先提取模板库青铜器铭文图像的二维铭文图像形态结构特征向量：

F_Ii＝[F₁,F₂]^T (8)

其中i＝1，…N，表示模板库图像的个数；

再提取待识别青铜器铭文图像的二维青铜器铭文图像形态结构特征向量：

X＝[X₁,X₂]^T (9)

分别计算待识别青铜器铭文图像与模板库各图像二维特征向量之间的欧氏距离，按最小距离判决准则，计算出的欧氏距离最小的作为匹配识别的结果；

待识别样本的特征向量X与F_Ii(i＝1,2,...N)类基准模板特征向量间的欧式距离为：

按最小欧式距离判决准则，待识别样本特征向量与某一基准模板的最小欧式距离决定了待识别样本的类别，若：

则判定：X∈F_Ii。

Images