Canny边缘算子在简牍文字修复中的应用

本文以长沙简牍博物馆所收藏的简牍文物为研究模型,对简牍文字的提取和修复进行了研究。提出了使用Canny边缘检测算子来提取文字的轮廓信息,然后再通过设置灰度阀值和人机交互相结合的方式对文字轮廓进行修复,最后再对文字轮廓进行填充,从而实现了简牍文字的提取与修复。试验表明,该方法对简牍图像的文字信息具有良好的修复效果。

面向历史档案图像的文字修复系统架构设计研究

历史档案是珍贵的历史资料,因自然侵蚀和人为因素等对历史档案造成损坏的情况屡见不鲜,这为历史研究者带来了极大的困扰。深入剖析当前国内外在历史档案图像文字修复技术方面的研究进展,设计了一套基于深度学习框架的文字修复系统架构。该系统架构能够有效针对历史档案图像中的文字进行修复,同时提出了一种基于OCR识别的文字修复评价方法,可以为历史档案图像的文字修复提供一条切实可行的技术路径,从而推动历史研究的深入发展。

文字图像不规则干扰修复算法研究

该文针对不规则干扰导致文字图片字符识别率下降的问题,提出一种基于U型网络框架和部分卷积运算的文字图片修复模型.首先,针对常见字体的干扰问题,通过图像融合建立干扰文字图像数据库,在逐像素损失、感知损失和全变分损失的共同约束下,根据已有笔画细节对污损部分进行修复,并对污损汉字的字体形状和笔画走向的细部特征进行复原;其次,使用光学字符识别接口对修复前后图片进行测试并计算识别率;最后,将该文算法初步应用于真实场景下的古代文字拓片修复.实验证明,该文模型在常见文字修复上峰值信噪比最高达到32.58 d B,最佳损失值为0.015,污损文字图片修复后识别准确率提升30.49%.

基于部分卷积的文字图像不规则干扰修复算法研究

针对文字图像中不规则干扰与文字粘连导致误识字的问题,提出了基于部分卷积的文字图像不规则干扰修复算法。研究分析了若干常见字体的文本图像特点,建立文字图像数据库,使其与干扰掩码数据库进行图像融合后对模型的修复效果进行评测,并对不同等级的修复情况进行分类测试。实验表明,所提模型在保证原有文字信息不损失的前提下,根据当前文字的现有部件对缺失部分进行预测,峰值信噪比最高达到32.46 dB,结构相似性最高为0.954,最佳损失值达到0.015,修复前后文字识别率提升27.85%,对隶书、篆书、甲骨文、行书4种古代文字缺损图像进行修复后峰值信噪比最高达到30.46 dB,结构相似性最高为0.964。

基于深度学习算法的碑文提取与修复系统

当前碑文及其拓本等非印刷字体文字的数字化录入仍需手动进行。据此,首先使用YOLOv5模型对整体图像中的文字进行精确检测和定位;随后基于UNet++模型实现单一文字图片中前景的提取,并使用Rewrite2模型对可能残缺的文字图片进行修复;最后基于PaddlePaddle OCR模型完成图片中文字的识别,获得可编辑状态汉字。在数据集中的实验结果表明,系统能很好地完成文字的检测定位、前景提取、残缺修复、识别等过程,全流程整体的准确率达到90.6%。