藏文古籍图像二值化研究现状.docVIP

藏文古籍图像二值化研究现状 　　摘要： 藏文古籍是藏民族优秀文化宝库中的一颗璀璨明珠。由于年代久远及保存不当，古籍退化严重。二值化算法能够将退化古籍中的文本和背景分割开，更好地揭示古籍所记载内容，解决藏文古籍图像二值化时存在的质量差、对比度渐变、不均匀光照及字迹模糊等问题。参考文献的实验结果表明，众多的二值化算法中没有一个能够处理所有的古籍退化类型及所有的古籍图像数据库。为促进藏文古籍的保护和传播，对退化藏文古籍图像二值化研究迫在眉睫。该研究是古籍数字化和全文检索的必要步骤，蕴藏着巨大的应用价值。 　　关键词：藏文古籍； 古籍图像；二值化 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）27-0144-03 　　Abstract： Tibetan ancient document is a shining pearl of Tibetan cultural treasure-house. However， many environmental factors and improper handling cause them to suffer a high degree of degradation of various types. Binarization can segment the text from ancient document image accurately and better reveal the contents recorded in the document. As show in the Experimental Results of reference files， a problem associated with all the proposed binarization algorithms is that they can not deal with all types of degradation and with different datasets. In order to promote the protection and dissemination of Tibetan ancient document， the study of degraded Tibetan ancient document image binarization is imminent， it is also important for the ensuing document image processing tasks such as document digitization and full text retrieval and provides a huge potential market for application. 　　Key words： Tibeten Ancient； Historical Document Image； Binarization 　　1引言 　　藏文古籍是研究藏族历史、政治、文化和医药等方面不可多得的珍贵史料，凝聚着千百年来藏族人民的智慧，受到国内外藏学专家的高度重视，具有重要的学术价值。长期以来，由于遭受了自然和人为因素的损坏，这些古籍均出现了不同程度的退化，有些是由于颜色退化引起的字迹不清晰，有些是由于较重的酥油污渍及人为的涂抹标记引起的印迹模糊，有些是水浸污染引起的墨迹扩散模糊。古籍所采用的古藏纸易受腐蚀、发黄变脆、色泽暗淡，经不起反复翻阅和利用。 　　近年来，人们越来越重视藏文古籍的保护和修复工作[1]，但还面临许多问题和困难。若采用传统的原生性保护修复对本已脆弱的古籍原件进行操作，会造成无法挽救的损失，古籍数字化因其在技术上的优势及成本较低的优点，是古籍再生性保护的一种重要方式，可以更好地揭示古籍所记载内容。古籍数字化时先对古籍文献进行扫描（不能扫描的进行拍照），然后对影印本进行二值化，将退化古籍图像中的文本和背景分割开，达到妥善保护原件的目的，为藏文古籍数字化奠定基础。 　　目前，多数藏文古籍文献已完成写本编目、整理工作，部分古籍文献的影印本也已面世，为清晰显示古籍所记载内容，现在古籍二值化大多是通过Photoshop等图像处理软件对影印本进行人工处理。由于文献的页面数量极大，不但耗费大量的人力和时间，而且人工操作误差较大，还有图像处理工具的局限性，古籍中大量的低对比度藏文文字的修复效果基本无法令人满意，古籍原件的退化也大大增加了修复人员的工作难度。 　　2国内外研究现状 　　古籍图像是一种非常特殊的数字图像，其复杂程度远甚于普通图像。古籍图像处理和其他图像处理技术一样，是当今计算