一种基于形根拓扑关系图的汉字文本结构化解析方法及系统与流程

本发明涉及汉字信息处理与图像识别，特别是一种基于形根拓扑关系图的汉字文本结构化解析方法及系统。

背景技术：

1、传统的光学字符识别技术主要针对整字级别的匹配识别，通过模板匹配或深度学习分类器将汉字图像映射为预设的字符类别。然而，这类方法在处理手写体、艺术字体、碑刻拓片等非标准字体时，由于笔画变形、连笔、残缺等因素，识别准确率显著下降。另一方面，现有的汉字结构分析方法多侧重于笔画层面的提取与组织，通过骨架化、笔画追踪等技术获取汉字的笔画序列。这类方法对图像质量要求较高，且笔画提取过程容易受到噪声干扰，导致笔画断裂或粘连，进而影响后续的结构分析。此外，笔画层面的分析粒度过细，难以直接反映汉字形根之间的组合关系和空间布局，无法满足汉字字形检索、书法风格分析、汉字教学辅助等高级应用的需求。近年来，基于深度学习的图像分割技术在目标检测和语义分割领域取得了显著进展，但将其直接应用于汉字形根分割时，仍存在以下不足：一是汉字形根种类繁多、形态多变，单一分割模型难以覆盖所有形根变体；二是分割结果仅停留在像素层面，缺乏对形根间空间拓扑关系的显式建模，无法形成结构化的解析结果。因此，亟需一种能够从汉字图像中自动提取形根、识别形根间空间关系、并构建结构化形根拓扑关系图的方法，以弥补现有技术在汉字结构深层解析方面的空白，本发明基于本书第5章提出的“形根”（morpho-root）理论，将汉字形根视为结构化认知基元，通过图像解析技术实现从汉字图像到形根拓扑关系图的自动转换，为汉字结构分析提供了一种新的技术路径。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种基于形根拓扑关系图的汉字文本结构化解析方法及系统，解决现有汉字识别与结构分析技术中，难以从汉字图像自动提取形根、识别形根间空间拓扑关系、并对复杂汉字结构进行递归拆解问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明提供了一种基于形根拓扑关系图的汉字文本结构化解析方法，其包括，

5、获取汉字文本图像，执行标准化并转化为输入张量，将输入张量输入编码器-解码器结构，生成边界概率图和边界梯度图，并融合为统一边界响应图；

6、构建像素点的领域窗口并计算响应集中度，构建自适应阈值并进一步生成二值图；根据二值图，使用bfs构建初始连通域，构造结构一致性评分函数，并输出连通域集合；

7、将每个连通域映射为图节点，定义侯选边，对每一条候选边，构造关系向量；根据连通域节点、有效边和边权构建形根关系图；

8、对形根图进行全局结构能量计算，并计算结构判别函数，筛选出侯选边，并枚举有效切分方案集，将形根图拆分成多个子图。

9、作为本发明所述基于形根拓扑关系图的汉字文本结构化解析方法的一种优选方案，其中：所述获取汉字文本图像，执行标准化并转化为输入张量指获取汉字文本图像，并转化为灰度图像，对灰度图像计算亮度中心；

10、基于亮度中心计算像素分布离散程度；

11、对每个像素执行标准化，得到归一化后的像素图；

12、将归一化后的像素图增加一个灰度结构通道，转化为输入张量。

13、作为本发明所述基于形根拓扑关系图的汉字文本结构化解析方法的一种优选方案，其中：所述将输入张量输入编码器-解码器结构，生成边界概率图和边界梯度图，并融合为统一边界响应图指将输入张量初步处理得到初始特征，随后逐级卷积与最大池化实现通道扩展及空间下采样，最终得到瓶颈特征；

14、将瓶颈特征输入解码器，逐级通过上采样与卷积恢复空间分辨率，并与对应编码层特征进行融合，最终得到输出特征；

15、基于解码器最终特征，分别构建边界概率图与边界梯度图；

16、基于边界概率图与边界梯度图构造统一边界响应图：

17、

18、其中，、为概率权重系数，为防止分母为0的极小常数。

19、作为本发明所述基于形根拓扑关系图的汉字文本结构化解析方法的一种优选方案，其中：所述构建像素点的领域窗口并计算响应集中度，构建自适应阈值并进一步生成二值图指对于任意像素点，构建邻域窗口；

20、基于邻域窗口计算局部响应均值；

21、进一步计算局部响应能量；

22、基于局部响应均值和局部响应能量计算响应集中度；

23、基于局部响应均值和响应集中度构建自适应阈值；

24、根据边界响应图和自适应阈值生成二值图。

25、作为本发明所述基于形根拓扑关系图的汉字文本结构化解析方法的一种优选方案，其中：所述根据二值图，使用bfs构建初始连通域，构造结构一致性评分函数，并输出连通域集合指根据二值图，使用bfs构建初始连通域；

26、在完成初始连通域划分后，引入基于边界响应图的一致性约束，对于任意连通域，定义其响应能量与平均响应：

27、

28、其中，表示连通域像素数量；

29、构造结构一致性评分函数；

30、最终输出连通域集合，并且每个连通域附带结构化特征。

31、作为本发明所述基于形根拓扑关系图的汉字文本结构化解析方法的一种优选方案，其中：所述将每个连通域映射为图节点，定义侯选边，对每一条候选边，构造关系向量指将每个连通域映射为图节点，并定义节点属性向量；

32、对任意节点对，采用确定性候选筛选规则，构造联合距离函数；

33、基于联合距离函数构造尺度归一化距离，同时定义响应一致性函数；

34、根据尺度归一化距离和响应一致性函数定义候选边，对每一条候选边，构造关系向量。

35、作为本发明所述基于形根拓扑关系图的汉字文本结构化解析方法的一种优选方案，其中：所述根据连通域节点、有效边和边权构建形根关系图指定义12类空间关系集合，计算关系概率为；

36、根据关系概率为确定最终关系类别；

37、根据关系类别定义权重函数；

38、根据权重函数定义最终边权；

39、根据连通域节点、有效边和边权构建形根关系图。

40、作为本发明所述基于形根拓扑关系图的汉字文本结构化解析方法的一种优选方案，其中：所述对形根图进行全局结构能量计算，并计算结构判别函数指对形根图g进行全局结构能量计算，定义当前图整体结构能量；

41、计算垂直结构强度、水平结构强度、包围结构强度；

42、基于垂直结构强度、水平结构强度、包围结构强度计算结构判别函数。

43、作为本发明所述基于形根拓扑关系图的汉字文本结构化解析方法的一种优选方案，其中：所述筛选出侯选边，并枚举有效切分方案集，将形根图拆分成多个子图指选取结构判别函数数值最大的分量所对应的结构类型作为唯一输出，其中，结构判别函数的三个特征分别对应上下结构、左右结构和包围结构；

44、根据的不同，从边集中筛选出符合结构方向的候选边；

45、根据候选边，枚举有效切分方案集；

46、对每个，计算评价函数；

47、选取最优切分，根据最优切分，将形根关系图递归拆分成多个子图，输出最终形根解析结果数据集。第二方面，本发明提供了一种基于形根拓扑关系图的汉字文本结构化解析系统，包括，

48、图像输入接口模块，用于接收汉字文本的位图，对图像进行灰度化和标准化预处理，并将标准化后的输入张量传输至下一模块；

49、形根边界检测模块，与图像输入接口模块连接，内置深度神经网络模型，用于提取汉字图像中的形根边界特征，生成边界概率图和边界梯度图，并融合为统一边界响应图；

50、形根连通域提取模块，与形根边界检测模块连接，用于基于自适应阈值对统一边界响应图进行二值化处理，提取形根连通域及附带结构化特征；

51、空间关系识别模块，用于根据形根连通域的质心坐标和包围盒参数，判定形根间的空间关系类型并分配权重；

52、形根关系图构建模块，用于基于形根节点及其空间关系构建形根关系图 ，其中节点集合表示形根，边集合表示形根间的空间关系及其权重；

53、递归拆分控制模块，用于对形根关系图进行递归拆分，通过结构能量计算、结构类型判定和最优切分函数，逐层分解为最小形根单元；

54、输出接口模块，用于输出标准化的结构化形根关系图。

55、本发明有益效果为：本发明通过采集汉字文本图像并执行标准化处理，利用深度神经网络提取形根边界特征并生成统一边界响应图；基于连通域分析与结构一致性评分提取形根节点及其空间关系，构建形根关系图；对形根关系图进行全局结构能量计算与结构类型判别，通过递归拆分与最优切分函数逐层分解为最小形根单元，输出标准化的结构化形根关系图。本发明实现了从汉字图像到结构化形根拓扑关系的端到端解析，有效提升了汉字结构分析的准确性与鲁棒性，可广泛应用于汉字字形检索、书法风格分析、汉字教学辅助等领域，本发明与表意ai理论中的形根解析器形成完整技术闭环，可为汉字字形检索、书法风格分析、汉字教学辅助等应用提供结构化形根数据支撑。