蒙古文古籍圖像檢索技術(shù)研究.pdf

1、隨著數(shù)字化技術(shù)的發(fā)展，越來(lái)越多的蒙古文古籍被轉(zhuǎn)成數(shù)字圖像，以便長(zhǎng)久保存。本文致力于研究蒙古文古籍圖像檢索技術(shù)，希望通過(guò)互聯(lián)網(wǎng)為中外學(xué)者提供一種查閱蒙古文古籍文獻(xiàn)的途徑，從而提高蒙古文古籍的利用效率，這對(duì)傳承和發(fā)展蒙古族文化具有重要意義。然而，蒙古文古籍因年代久遠(yuǎn)，存在大量紙張褪色、筆跡模糊等現(xiàn)象，導(dǎo)致掃描圖像噪聲很多、圖像質(zhì)量較差，而且單詞書(shū)寫(xiě)變形也較大。上述這些困難給本文的研究工作帶來(lái)許多挑戰(zhàn)。本文圍繞著這些難點(diǎn)在WordSpotti

2、ng技術(shù)框架下，以具有代表性的蒙古文《甘珠爾經(jīng)》為對(duì)象，對(duì)蒙古文古籍圖像檢索技術(shù)展開(kāi)了一系列研究，主要內(nèi)容如下:
　　(1)針對(duì)《甘珠爾經(jīng)》中單詞書(shū)寫(xiě)變形大的特點(diǎn)，從單詞圖像的每行、每列中分別提取能反映書(shū)寫(xiě)順序的四種輪廓特征，形成長(zhǎng)度與單詞圖像高度相同的四個(gè)“行”特征向量，以及長(zhǎng)度與單詞圖像寬度相同的四個(gè)“列”特征向量，這些特征向量用以描述每個(gè)單詞圖像。通過(guò)對(duì)比實(shí)驗(yàn)分析了每種輪廓特征的性能，確定了描述單詞圖像的特征組合。
　

3、　(2)針對(duì)大規(guī)模文檔圖像檢索問(wèn)題對(duì)檢索實(shí)時(shí)性的要求，本文利用離散傅里葉變換將描述單詞圖像的每種輪廓特征向量都變換到頻域空間。由于一定數(shù)量的低頻復(fù)系數(shù)可重構(gòu)原輪廓特征向量，因此每種輪廓特征向量都可表示成頻域空間中一定數(shù)量的低頻復(fù)系數(shù)，通過(guò)此種方式輪廓特征描述的單詞圖像能被轉(zhuǎn)成具有固定長(zhǎng)度的特征向量。在本文中，固定長(zhǎng)度特征向量的每個(gè)分量都是頻域空間中相應(yīng)低頻復(fù)系數(shù)的模。這樣，單詞圖像間的匹配通過(guò)計(jì)算它們固定長(zhǎng)度特征向量間歐式距離的方式加以

4、實(shí)現(xiàn)，從而可滿足大規(guī)模文檔圖像檢索問(wèn)題對(duì)檢索實(shí)時(shí)性的要求。
　　(3)為避免檢索階段用戶從大規(guī)模單詞圖像集合中手動(dòng)挑選查詢單詞“樣例圖像”的過(guò)程，本文提出一種查詢單詞圖像合成方法。該方法根據(jù)古典蒙古文字形特點(diǎn)，確定并構(gòu)建古典蒙古文字形集;依據(jù)蒙古文單詞的拼寫(xiě)規(guī)則，可將構(gòu)成某個(gè)單詞的相關(guān)字形按先后順序從上到下依次拼接起來(lái)，形成對(duì)應(yīng)的單詞圖像。通過(guò)此方法，能夠合成任意所需單詞圖像。實(shí)驗(yàn)結(jié)果證明該方法不但便于用戶操作，同時(shí)還能保證合成出

5、來(lái)的查詢單詞圖像具有較好的檢索性能。
　　(4)根據(jù)蒙古文構(gòu)詞特點(diǎn)，本文提出一種去除構(gòu)形后綴的方法，對(duì)包含構(gòu)形后綴的蒙古文單詞圖像，可從圖像上直接去除相應(yīng)構(gòu)形后綴，只保留剩余部分（詞干）。在檢索過(guò)程中，當(dāng)給定某種人稱或者時(shí)態(tài)下的查詢單詞，也先去除查詢單詞中的構(gòu)形后綴，再以詞干部分進(jìn)行檢索，這樣可檢索出該查詢?cè)~在其他人稱或者時(shí)態(tài)下的形式，即:同一詞干綴接不同構(gòu)形后綴的所有單詞。實(shí)驗(yàn)結(jié)果表明本文提出的去除構(gòu)形后綴的方法能較為有效的從包