(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210127612.1 (22)申请日 2022.02.11 (71)申请人 辽宁师范大学 地址 116000 辽宁省大连市沙河口区黄河 路850号 (72)发明人 宋传鸣　张晋豪　王一琦　史丹　 洪飏　王相海　 (74)专利代理 机构 大连非凡专利事务所 212 20 专利代理师 闪红霞 (51)Int.Cl. G06V 10/26(2022.01) G06V 30/148(2022.01) G06V 10/28(2022.01) G06V 10/50(2022.01) G06V 10/762(2022.01)G06T 7/11(2017.01) G06T 7/12(2017.01) G06T 7/194(2017.01) (54)发明名称 混合高斯分布和二项分布的两阶段甲骨文 字分割方法 (57)摘要 本发明公开一种混合高斯分布和二项分布 的两阶段甲骨文字分割方法。 首先， 利用颜色空 间转换提取甲骨拓片图像的亮度分量； 其次， 以 混合高斯分布模 型建模图像的全局统计特性， 联 合K‑均值算法和EM算法进行优化求解， 进而以相 对熵测度为约束， 得到抑制了点状噪声的粗分割 结果； 然后， 利用顶 帽运算和连通区域分析， 去除 片状斑纹、 盾纹、 齿缝以及大面积背景； 最后， 以 二项分布对 连通区域的面积进行建模， 利用最大 类间方差计算该二项分布的方差， 进而结合外接 矩形分析， 实现对残留的兆纹、 刻痕和固有纹理 的自适应填充， 获得甲骨文字的最终分割结果。 权利要求书4页 说明书11页 附图3页 CN 114565756 A 2022.05.31 CN 114565756 A 1.一种混合高斯分布和二项分布的两阶段甲骨文字分割方法， 其特征在于按照如下步 骤进行： 步骤1.输入待分割的 甲骨卜辞拓片图像I， 令其高度为hI像素， 宽度为 wI像素； 步骤2.将I的颜色空间从RGB转换到 HSV， 并提取其亮度分量 IV； 步骤3.统计IV中所有像素值的归一 化直方图hV； 步骤4.利用混合高斯分布模型和相对熵测度对IV进行粗分割； 步骤4.1根据公式(1)和公式(2)， 建立混合高斯分布模型f(xi|Π， Θ)； 所述xi表示IV的第i个像 素且i∈{1， 2， 3， …， hI×wI}， C表示混合高斯 分布模型中的成分 分布数量， j∈{1， 2， …， C}， πij表示像素xi属于混合高斯分布模型中第j个高斯分布的先验 概率， 0≤ πij≤1且 Pj(xi|Θj)表示混合高斯分布模型中第j个高斯分布的概率密 度函数， 表示第j个高斯分布 的概率密度函数的参数集， μj和 分别表示第j 个高斯分布的数 学期望和方差， Π＝{ πij}， Θ＝{Θ1， Θ2，…， ΘC}； 步骤4.2将IV的全部hI×wI个像素值作 为观测值， 采用K ‑均值算法进行聚类， 令C等于聚 类过程所 得到的聚类数量， 并令 Cj表示第j个聚类中心且j∈{1， 2， …， C}； 步骤4.3利用C个聚类中心对 μj进行初始化， 令 μj＝Cj； 步骤4.4根据公式(3)， 对 进行初始化； 步骤4.5根据公式(4)， 计算像素xi属于第j个聚类的权 重θ(xi， j)； 所述Ni表示以像素xi为中心、 大小为5 ×5的邻域， xm表示邻域 Ni中的任意像素； 步骤4.6根据公式(5)， 计算像素xi属于各个聚类的权 重之和Γi； 步骤4.7根据公式(6)， 对 πij进行初始化； 步骤4.8利用期望最大化算法求解混合高斯分布模型f(xi|Π， Θ)， 得到其最优参数集权　利　要　求　书 1/4 页 2 CN 114565756 A 2Π和Θ； 步骤4.9令t ←1， D*←+∞， TZ←1， 所述t是一个循环计 数器， PB表示 反映背景区域像素值分布的高斯概率密度函数集合， PO表示反映甲骨文字区域像素值分布 的高斯概率密度函数集 合， D*表示最佳的相对熵测度， TZ表示最佳的粗分割阈值； 步骤4.10根据公式(7)和公式(8)， 建立背景区域的累积直方图pB(t)和甲骨文字区域的 累积直方图pO(t)； 所述hV(v)表示在直方图hV中亮度值 等于v的像素 出现的归一 化频率； 步骤4.11对于任 意的j∈{1， 2，…， C}， 若f(xi|Π， Θ)中第j个高斯 分布的概率密度函数 Pj(xi|Θj)的数学期望 μj小于t， 则令PB←PB∪Pj(xi|Θj)， 否则， 令PO←PO∪Pj(xi|Θj)， 从而 利用t将f(xi|Π， Θ)中的C个成分分布划分为两个集合， 并设PB集合包含NB个高斯概率密度 函数， PO集合包含NO个高斯概率密度函数； 步骤4.12根据公式(9)， 建立反映背景区域像素值分布的混合高斯概率密度函数 所述x表示像素值且x∈{0， 1， 2， …， 255}， 表示PB集合的第n个高斯概率密度 函数， 表示 在f(xi|Π， Θ)中对应的最优的先验概率， 表示 在f(xi |Π， Θ)中对应的最优的参数集且 μBn表示 的数学期望， 表示 的方差； 步骤4.13根据公式(10)， 建立反映甲骨文字区域像素值分布的混合高斯概率密度函数 所述 表示PO集合的第n个高斯概率密度函数， 表示 在f(xi|Π，权　利　要　求　书 2/4 页 3 CN 114565756 A 3