古籍文献具有重要的历史和学术研究价值,不同版本的古籍文献中文字的差异性比较是古籍文献与古籍汉字相关研究的重要内容。传统的人工比对方式效率低、准确性差。随着信息技术的发展,利用计算机辅助古籍文献文字差异性研究是古籍文献研究的必由之路。然而,古籍版面由人工书写而成,文字形态多变,文字粘连与重叠等现象频繁出现,给古籍文献差异性自动比较带来了极大的困难。针对上述问题,本文以《四库全书》文渊阁与文津阁的版面图像作为处理对象,对古籍文献差异性比较方法及其关键问题展开研究。(1)古籍版面图像文字区域提取首先,通过连通域分类信息和利用LSD(Line Segment Detector)直线检测算法所获取的直线信息,对版面边界位置的连通域进行过滤,从而得到版面版框区域;进而搜索直线信息,获得版框近似边缘位置,并通过校正策略对其进行校正,以去除版面图像内的版框,利用垂直投影分析方法解决文字与界行的粘连问题并去除界行,得到古籍版面图像的文字区域。(2)古籍版面图像文字切分应用Deeplab V3+语义分割模型,设计基于Deeplab V3+语义分割模型的古籍版面图像文字切分方法,以解决版面内垂直方向与水平方向的文字粘连重叠问题。首先,设计古籍文字版面图像语义分割标注方法,将文字近似轮廓分割成四种不同类型的多边形区域,建立古籍文字版面图像语义分割数据集,进而利用该数据集对语义分割模型进行训练,并应用于古籍汉字图像切分,得到语义分割结果;然后,设计语义分割后处理算法,利用最近邻合并规则,得到古籍汉字单字图像。(3)古籍版面图像差异性比较应用VGG(Visual Geometry Group)卷积神经网络模型,设计基于VGG网络的古籍版面图像差异性比较方法。首先,建立针对古籍汉字图像特点的VGG网络模型,利用构建的古籍汉字图像库对其进行训练,得到古籍汉字差异性比较分类器;其次,设计古籍文献版面差异性比较算法,利用所建立的古籍汉字差异性比较分类器,对版面中对应的古籍汉字图像进行比较,从而实现两幅古籍文献版面图像的差异性比较和标注。实验结果表明,古籍版面图像文字区域提取算法准确率为89.5%,古籍文字图像切分算法准确率为93.3%,古籍版面图像差异性比较实验中,其差异标记准确率为87.5%,表明该方法有效提高了版面图像差异性比较的准确性。