1. 甲骨文骨架提取的技术演进背景
甲骨文作为中国最古老的成熟文字系统,其图像骨架提取一直是古文字数字化处理的核心环节。传统方法主要依赖形态学处理和边缘检测算法,比如经典的Zhang-Suen细化算法,通过迭代腐蚀操作逐步剥离外层像素点,最终保留单像素宽度的骨架结构。这种方法在规则几何形状上表现尚可,但面对甲骨文这种带有自然裂纹、侵蚀痕迹的复杂图像时,经常出现骨架断裂、伪分支等问题。
2010年前后,基于水平集(Level Set)的改进方法开始应用于甲骨文处理。这类方法通过偏微分方程模拟曲线演化过程,能够较好地保持骨架的拓扑结构。我们团队在2012年曾采用改进的Geodesic Active Contour模型处理安阳出土的龟甲拓片,骨架连通性比传统方法提升约37%,但计算耗时增加了近8倍,且对笔画交叉点的处理仍不理想。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 深度学习带来的范式变革
2.1 早期CNN架构的尝试
2016年我们首次将U-Net应用于甲骨文骨架提取任务。在殷墟YH127坑的3000张样本上,使用5层编码器-解码器结构,配合Dice损失函数,取得了0.82的F1分数。但存在几个典型问题:
- 细长笔画末端容易丢失(如"王"字最后一横)
- 交叉笔画处产生粘连(如"祀"字的示补旁)
- 对龟甲裂纹的误识别率达25%
2.2 Transformer的引入与挑战
2020年Vision Transformer的出现为图像处理提供了新思路。我们测试发现:
- 纯Transformer架构需要至少50万训练样本才能收敛
- 计算复杂度随图像尺寸呈平方增长
- 局部细节捕捉能力弱于CNN
典型案例如处理"雨"字时,传统CNN能保留四个点的独立性,而ViT容易将其合并为条状结构。
3. TransUNet的架构创新
3.1 混合结构设计
我们的解决方案结合了两者优势:
code复制编码器路径:
[CNN模块] → [Patch Embedding] → [Transformer Layers]
解码器路径:
[上采样] → [CNN模块] → [跳跃连接]
关键改进点:
- 在Transformer前增加3层CNN预处理
- 采用重叠式(overlapping)分块策略
- 设计多尺度位置编码
