[发明专利]形态学先验约束的甲骨文字检测的图像数据集构建方法

权利要求书

1.一种形态学先验约束的甲骨文字检测的图像数据集构建方法，其特征在于按照如下步骤进行：

步骤1.输入N幅甲骨卜辞文字的拓片图像，组成真实拓片图像数据集RI；

步骤2.通过手工交互的方式，从真实拓片图像数据集RI中分割提取出清晰的M₁幅甲骨卜辞单字图像，组成字形图像数据集ST；

步骤3.通过手工交互的方式，从真实拓片图像数据集RI中分割提取出清晰的M₂幅斑纹及噪声图像，组成干扰元素数据集SN；

步骤3.1从RI中分割提取出M₂₁幅点状噪声的图像，此类噪声常由甲骨片表面质地粗糙或扫描设备失真原因造成；

步骤3.2从RI中分割提取出M₂₂幅片状噪声的图像，此类噪声常由占卜过程的钻凿造成，其形态多为坑洞；

步骤3.3从RI中分割提取出M₂₃幅齿缝、兆纹、盾纹非文字性的固有纹理的图像，其形态为贯穿于甲骨片的狭长裂痕，所述M₂＝M₂₁+M₂₂+M₂₃；

步骤4.生成不含点状噪声、片状斑纹和固有纹理污染的、纯净的甲骨卜辞文字拓片图像数据集RC，令图像计数器i₁←1；

步骤4.1建立一幅空间分辨率为W×H像素的空白图像作为背景图像，记为I_bg，所述W和H分别表示I_bg的宽度和高度，令文字计数器t₁←1；

步骤4.2根据VOC2007格式，对第i₁幅甲骨卜辞文字拓片图像的XML描述文件进行初始化，字段信息包括图像的宽度、图像的高度、像素的颜色深度、每个甲骨卜辞文字的包围盒的左上角顶点坐标和右下角顶点坐标；

步骤4.3从字形图像数据集ST中取出一幅甲骨卜辞单字图像，记为I_obi，采用双三次插值对I_obi进行缩放比例为C的随机缩放操作，使得I′_obi的8-连通区域面积与I_bg的面积之比服从均值为μ₁、标准差为σ₁的正态分布，从而得到缩放后的单字图像I′_obi；

步骤4.4对I′_obi进行角度为R的随机旋转操作，得到单字图像I″_obi并且使得I′_obi的8-连通区域面积与I″_obi的凸包面积之比服从均值为μ₂、标准差为σ₂的正态分布；

步骤4.5将I″_obi转换为灰度图像I_{obi_gray}，并对I_{obi_gray}进行基于最大类间方差法的二值化处理，使得文字区域的像素值为255，非文字区域的像素值为0，得到I_{obi_bin}；

步骤4.6将I_{obi_bin}的像素进行反色操作，得到图像I_mask；

步骤4.7在背景图像I_bg的任意位置上，随机选取一个与I_{obi_bin}具有相同尺寸并且不含有其他甲骨刻辞文字的图像块，记为I_roi，将其与I_mask做逐像素的二进制“与”运算，从而将当前的第t₁个单字图像叠加到背景图像I_bg中；

步骤4.8将第t₁个单字图像出现在背景图像I_bg中的区域作为待扫描区域，按照沿水平方向的光栅扫描顺序，记录待扫描区域中发生像素值阶跃变化的最小横坐标和最大横坐标再沿竖直方向的从上到下、从左到右的扫描顺序，记录待扫描区域中发生像素值阶跃变化的最小纵坐标和最大纵坐标从而获得第t₁个单字图像在I_bg中的包围盒，并且和共同确定了该包围盒的左上角的顶点坐标和共同确定了该包围盒的右下角的顶点坐标

步骤4.9根据VOC2007格式，将和写入XML描述文件

步骤4.10令t₁←t₁+1，若t₁≤N_c，则返回步骤4.3，否则，将叠加了N_c个甲骨刻辞文字的背景图像I_bg进行反色操作，从而得到第i₁幅不含点状噪声、片状斑纹和固有纹理污染的甲骨卜辞文字拓片图像并将其存入RC中，执行步骤4.11，所述N_c表示每幅甲骨卜辞文字拓片图像所含有的最大文字数量；

步骤4.11令i₁←i₁+1，若i₁≤N_data，则返回步骤4.1，否则，执行步骤5，所述N_data表示甲骨刻辞文字拓片图像数据集所需的最大拓片图像数量；

步骤5.生成含有点状噪声、片状斑纹和固有纹理污染的甲骨卜辞文字拓片图像数据集RN，令图像计数器i₂←1；

步骤5.1建立一幅空间分辨率为W×H像素的空白图像作为背景图像，记为并令干扰元素计数器t₂←1；

步骤5.2从干扰元素数据集SN中取出一幅甲骨卜辞的噪声图像，记为I_noise，采用双三次插值对I_noise进行缩放比例为C的随机缩放操作，得到缩放后的噪声图像I′_noise，所述C∈[0.8,1.3]；

步骤5.3对I′_noise进行角度为R的随机旋转操作，得到具有一定倾斜角度的噪声图像I″_noise，所述R∈[-20°,20°]；

步骤5.4将I″_noise转换为灰度图像I_{obi_noise}，并对其进行基于最大类间方差法的二值化处理，使得噪声区域的像素值为255，背景区域的像素值为0，得到I_{noise_bin}；

步骤5.5将I_{noise_bin}的像素进行反色操作，得到图像

步骤5.6在背景图像的任意位置上，随机选取一个与I_{noise_bin}具有相同尺寸的图像块并将与做逐像素的二进制“与”运算，从而将当前的第t₂个干扰元素叠加到背景图像中；

步骤5.7令t₂←t₂+1，若t₂≤N_cn，则返回步骤5.2，否则，将叠加了N_cn个干扰元素的背景图像进行反色操作，从而得到第i₂幅含有点状噪声、片状斑纹和固有纹理的甲骨卜辞噪声图像所述N_cn表示每幅甲骨卜辞文字拓片图像所含有的最大干扰数量；

步骤5.8将第i₂幅纯净的甲骨卜辞文字拓片图像与第i₂幅含有点状噪声、片状斑纹和固有纹理的甲骨卜辞噪声图像进行逐像素的二进制“或”运算，从而生成含有点状噪声、片状斑纹和固有纹理污染的甲骨卜辞文字拓片图像并将其存入RN中；

步骤5.9令i₂←i₂+1，若i₂≤N_data，则返回步骤5.1，否则，执行步骤6；

步骤6.输出不含点状噪声、片状斑纹和固有纹理污染的甲骨卜辞文字拓片图像数据集RC，含有点状噪声、片状斑纹和固有纹理污染的甲骨卜辞文字拓片图像数据集RN，以及所有图像的XML描述文件所述1≤i₁≤N_data。