滿文檔案圖像智能處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

劉柯言，黨佳偉，鄭蕊蕊，周 瑜，賀建軍

(大連民族大學(xué) 信息與通信工程學(xué)院 ，遼寧 大連 116605)

清代中央和地方各級(jí)機(jī)關(guān)處理政務(wù)過(guò)程中形成了大量的滿文古籍檔案，雖然由于戰(zhàn)亂、災(zāi)害等原因沒有完全保存下來(lái)，現(xiàn)存數(shù)量仍然十分巨大，具有重要的歷史、文化研究?jī)r(jià)值和參考憑證作用[1]。目前，中國(guó)第一歷史檔案館所藏的明清檔案總數(shù)達(dá)1 000多萬(wàn)件(冊(cè))，其中明代檔案3 000余件(冊(cè))，僅占館藏檔案的萬(wàn)分之三；而館藏滿文檔案至少有160萬(wàn)件 (冊(cè))，約占館藏檔案的1/6。除中國(guó)第一歷史檔案館之外，遼寧省檔案館也有數(shù)以萬(wàn)計(jì)的滿文檔冊(cè)，且不乏珍本善本[2]。

由于滿文古籍檔案種類繁多而且通常退化較嚴(yán)重，因此對(duì)滿文古籍檔案進(jìn)行數(shù)字化處理和有效開發(fā)利用，需要對(duì)滿文古籍檔案進(jìn)行掃描、識(shí)別和翻譯。滿文識(shí)別是滿文檔案圖像處理中的重要環(huán)節(jié)之一，近年來(lái)也有許多針對(duì)性的研究。人們?cè)缙趯?duì)于滿文識(shí)別算法的研究是基于基元(字母)切分的，例如文獻(xiàn)[3-4]，他們研究了基于模糊串匹配策略的滿文識(shí)別算法，但是這些算法步驟繁瑣，而且滿文檔案的字體和樣式不同，照明、方向、噪音和可變背景色不一致，導(dǎo)致基元的切分與識(shí)別精度上稍有欠缺。文獻(xiàn)[5]建立了一種基于小波神經(jīng)網(wǎng)絡(luò)的基元識(shí)別算法，文獻(xiàn)[6-7]通過(guò)加入后處理機(jī)制來(lái)提升識(shí)別的準(zhǔn)確度。之后，文獻(xiàn)[8-9]分別研究了基于多特征集成的識(shí)別算法和基于多分類器融合的識(shí)別算法。隨著近年來(lái)深度學(xué)習(xí)的興起，人們嘗試從其它角度來(lái)進(jìn)行研究，尤其是整詞的滿文識(shí)別算法，例如文獻(xiàn)[10]建立的基于有向無(wú)環(huán)圖支持向量機(jī)識(shí)別算法以及文獻(xiàn)[11-12]提出了空間金字塔池化深度卷積神經(jīng)網(wǎng)絡(luò)識(shí)別算法。

現(xiàn)有的滿文檔案圖像處理相關(guān)系統(tǒng)十分稀缺，只有中國(guó)第一歷史檔案館與漢王科技股份有限公司合作開發(fā)的“滿文檔案圖像識(shí)別軟件系統(tǒng)”[13]。該系統(tǒng)包括滿文檔案圖像識(shí)別軟件，能夠?qū)M文檔案的圖像信息通過(guò)識(shí)別技術(shù)轉(zhuǎn)換成可編輯檢索的文本信息，界面可顯示滿文檔案原圖、滿文轉(zhuǎn)寫字母。但是該軟件沒有公開，普通群眾無(wú)法使用，而且該軟件必須下載安裝后才可以使用，既占用計(jì)算機(jī)系統(tǒng)空間又缺少便利性，功能相對(duì)單一。

實(shí)際使用中不僅需要識(shí)別和翻譯，還需要對(duì)其進(jìn)行二值化、超分辨率重構(gòu)、版面分析、印章去除等處理。這些數(shù)字化處理方式已經(jīng)有了對(duì)應(yīng)的處理算法，而且取得了不錯(cuò)的成果，但是這些算法沒有形成應(yīng)用系統(tǒng)，只有具備計(jì)算機(jī)編程基礎(chǔ)的人才可能使用，普通的滿文工作者通常不具備這方面的能力，無(wú)法給他們提供直接幫助。而且這些算法都是只專注于單一功能，不能統(tǒng)一協(xié)調(diào)工作，沒有辦法滿足復(fù)雜的應(yīng)用場(chǎng)景。因此本文主要目的是設(shè)計(jì)并實(shí)現(xiàn)一套滿文檔案圖像智能處理系統(tǒng)，采用前后端分離架構(gòu)設(shè)計(jì)，前端使用Vue框架構(gòu)建單頁(yè)面應(yīng)用，后端采用微服務(wù)架構(gòu)接入現(xiàn)有的滿文檔案圖像處理算法實(shí)現(xiàn)，并且進(jìn)行整合，最終達(dá)到可以線上使用該系統(tǒng)對(duì)滿文檔案圖像進(jìn)行復(fù)雜處理的目的，實(shí)現(xiàn)在線滿文檔案圖像翻譯、滿文檔案圖像預(yù)處理、滿文檔案圖像識(shí)別、滿文檔案圖像版面分割等主要功能。

1 系統(tǒng)架構(gòu)設(shè)計(jì)

實(shí)現(xiàn)滿文檔案圖像智能處理系統(tǒng)，需要接入滿文檔案圖像處理的相關(guān)算法，現(xiàn)有的滿文檔案圖像處理算法包括滿文檔案圖像單詞識(shí)別、二值化處理、版面分析、印章去除、文本行分割、超分辨率重構(gòu)[14-18]。這些算法可以支持本系統(tǒng)的功能實(shí)現(xiàn)，但是這些算法基于不同的Python版本和不同的機(jī)器學(xué)習(xí)框架，傳統(tǒng)的單體應(yīng)用無(wú)法滿足本系統(tǒng)的需求，因此采用微服務(wù)的架構(gòu)設(shè)計(jì)如圖1所示。整個(gè)系統(tǒng)采用前后端分離的架構(gòu)設(shè)計(jì)，分為前端、后端微服務(wù)和數(shù)據(jù)庫(kù)三個(gè)部分。其中后端微服務(wù)部分包括系統(tǒng)業(yè)務(wù)服務(wù)、服務(wù)注冊(cè)與發(fā)現(xiàn)中心和滿文檔案圖像處理服務(wù)。

圖1 技術(shù)架構(gòu)圖

本系統(tǒng)的工作流程是：當(dāng)前端向系統(tǒng)業(yè)務(wù)服務(wù)發(fā)送HTTP請(qǐng)求后，系統(tǒng)業(yè)務(wù)服務(wù)根據(jù)請(qǐng)求的接口處理業(yè)務(wù)邏輯，連接數(shù)據(jù)庫(kù)，如果接收到的是需要進(jìn)行滿文檔案圖像處理的請(qǐng)求，那么系統(tǒng)業(yè)務(wù)服務(wù)通過(guò)圖像處理微服務(wù)的名稱即可調(diào)用對(duì)應(yīng)的滿文檔案圖像處理微服務(wù)，最后將處理結(jié)果返回給前端界面，供用戶查看。其中基于SpringBoot框架的系統(tǒng)業(yè)務(wù)服務(wù)是整個(gè)系統(tǒng)的重要環(huán)節(jié)，處理關(guān)鍵業(yè)務(wù)邏輯，起到樞紐的作用。所以本系統(tǒng)主要設(shè)計(jì)并實(shí)現(xiàn)了以下五個(gè)方面內(nèi)容。

1.1 基于SpringBoot的系統(tǒng)業(yè)務(wù)服務(wù)設(shè)計(jì)

此服務(wù)是系統(tǒng)的關(guān)鍵，連接著前端，數(shù)據(jù)庫(kù)，還有圖像處理服務(wù)。前端通過(guò)發(fā)送HTTP請(qǐng)求到本服務(wù)，根據(jù)接口的不同，進(jìn)行相應(yīng)的業(yè)務(wù)處理，或操作數(shù)據(jù)庫(kù)，或連接圖像處理服務(wù)，拿到圖像處理服務(wù)的處理結(jié)果后返回給前端，就完成了一次完整的通信。此服務(wù)采用SpringBoot框架[19]進(jìn)行開發(fā)。

Spring框架功能十分強(qiáng)大，在Java開發(fā)的領(lǐng)域占有很大的市場(chǎng)份額，但是就算是一個(gè)很簡(jiǎn)單的項(xiàng)目，也需要經(jīng)過(guò)復(fù)雜的配置才能實(shí)現(xiàn)。因此就有了SpringBoot框架，它的特點(diǎn)就是能夠自動(dòng)配置，只要存在相應(yīng)的jar包，Spring就會(huì)進(jìn)行自動(dòng)配置。如果默認(rèn)配置不能滿足系統(tǒng)需求，則可以通過(guò)替換掉自動(dòng)配置類，實(shí)現(xiàn)自定義配置。除此而外，SpringBoot還集成了嵌入式的Web服務(wù)器，系統(tǒng)監(jiān)控等部分常用的功能，能夠快速構(gòu)建企業(yè)級(jí)應(yīng)用程序，而且SpringBoot和SpringCloud框架由同一公司開發(fā)，具有相似的開發(fā)流程，配合使用可以提高開發(fā)速度，實(shí)現(xiàn)快速搭建微服務(wù)架構(gòu)，滿足本系統(tǒng)要求。

該服務(wù)采用Spring MVC的設(shè)計(jì)模式，因?yàn)楸鞠到y(tǒng)采用前后端分離的開發(fā)模式，所以此部分不處理任何界面相關(guān)內(nèi)容，只負(fù)責(zé)處理web前端發(fā)來(lái)的請(qǐng)求，并且返回前端需要的數(shù)據(jù)內(nèi)容。如果需要對(duì)圖像進(jìn)行處理，那么系統(tǒng)業(yè)務(wù)服務(wù)就會(huì)向滿文檔案圖像處理服務(wù)發(fā)送HTTP請(qǐng)求，得到處理結(jié)果后，再返回給前端用于顯示。該服務(wù)采用常用的分層設(shè)計(jì)，共分為Dao層、Service層、Controller層三個(gè)層級(jí)。

Dao層即數(shù)據(jù)持久層，也被稱為Mapper層。它的作用是訪問(wèn)數(shù)據(jù)庫(kù)，向數(shù)據(jù)庫(kù)發(fā)送SQL語(yǔ)句，完成增刪改查任務(wù)。

Service層即業(yè)務(wù)邏輯層，其作用是完成功能設(shè)計(jì)，Service層調(diào)用Dao層接口，接受Dao層返回的數(shù)據(jù)，完成項(xiàng)目的基本功能設(shè)計(jì)?；蛘呦驁D像處理服務(wù)發(fā)送請(qǐng)求，并且接收處理結(jié)果。

Controller層即控制層，功能為請(qǐng)求和響應(yīng)控制，是前后臺(tái)交接部分，接受前端請(qǐng)求，調(diào)用Service層，接收Service層返回的數(shù)據(jù)，最后返回和前端約定的數(shù)據(jù)到前端。

1.2 基于Flask框架的滿文檔案圖像處理服務(wù)設(shè)計(jì)

現(xiàn)有的滿文檔案圖像處理算法主要有兩種實(shí)現(xiàn)方式：一是利用Python開發(fā)語(yǔ)言，通過(guò)Tensorflow機(jī)器學(xué)習(xí)框架實(shí)現(xiàn)，并且依賴的Python版本和Tensorflow版本存在不同；二是利用Matlab實(shí)現(xiàn)。所以接入這些算法面臨的難點(diǎn)是如何統(tǒng)一封裝，形成可以調(diào)用的接口。Python語(yǔ)言號(hào)稱膠水語(yǔ)言，能夠通過(guò)特定的依賴包調(diào)用Matlab算法，這樣利用Python可以將所有算法進(jìn)行整合。滿文檔案圖像處理服務(wù)只需要提供接口，不做其他處理，因此需要借助輕量級(jí)Flask框架實(shí)現(xiàn)。Flask框架是一個(gè)使用Python編寫的Web應(yīng)用程序框架，該框架的特點(diǎn)是輕量級(jí)、可拓展性強(qiáng)[20]。在此基礎(chǔ)上，根據(jù)Python版本和算法依賴包的版本區(qū)別，創(chuàng)建多個(gè)基于Flask框架的圖像處理微服務(wù)，將所有滿文檔案圖像處理算法進(jìn)行單獨(dú)封裝，形成接口供系統(tǒng)業(yè)務(wù)服務(wù)進(jìn)行調(diào)用。解決了算法語(yǔ)言多樣，版本多樣的難點(diǎn)，具有靈活性高，安全性強(qiáng)的特點(diǎn)。

1.3 基于SpringCloud框架的服務(wù)注冊(cè)與發(fā)現(xiàn)中心設(shè)計(jì)

建立基于SpringCloud框架的微服務(wù)系統(tǒng)，整合基于Flask的滿文檔案圖像處理算法服務(wù)和基于SpringBoot的系統(tǒng)業(yè)務(wù)服務(wù)。系統(tǒng)業(yè)務(wù)服務(wù)需要調(diào)用滿文檔案圖像處理算法接口，但是直接調(diào)用圖像處理算法接口存在諸多問(wèn)題，比如需要指定請(qǐng)求地址或是無(wú)法準(zhǔn)確定位錯(cuò)誤信息等。所以需要一個(gè)整體的框架來(lái)解決服務(wù)治理，統(tǒng)籌管理所有的服務(wù)。SpringCloud是一個(gè)從全局出發(fā)的微服務(wù)整理治理框架，它將所有注冊(cè)到其中的單體微服務(wù)進(jìn)行統(tǒng)一管理，為各個(gè)微服務(wù)之間提供集成服務(wù)，其中包括配置管理、服務(wù)發(fā)現(xiàn)、斷路器、路由等?？梢杂肧pringBoot的開發(fā)風(fēng)格做到一鍵啟動(dòng)和部署。并且SpringCloud的微服務(wù)核心組件Eureka可以支持Python。所以本文使用SpringCloud微服務(wù)框架，可以將基于SpringBoot的系統(tǒng)業(yè)務(wù)服務(wù)和基于Flask的圖像處理算法服務(wù)整合到微服務(wù)架構(gòu)中，實(shí)現(xiàn)算法調(diào)用。

1.4 基于Vue框架的前端系統(tǒng)設(shè)計(jì)

建立基于Vue的前端系統(tǒng)，實(shí)現(xiàn)系統(tǒng)的頁(yè)面展示和邏輯處理。傳統(tǒng)的Web開發(fā)往往和后端服務(wù)系統(tǒng)集成在一個(gè)工程目錄中，依賴于后端工程才能開發(fā)調(diào)試。這就導(dǎo)致開發(fā)過(guò)程必須同步進(jìn)行，影響開發(fā)效率?；赩ue的前端系統(tǒng)可以單獨(dú)啟動(dòng)，通過(guò)和后端服務(wù)約定通信格式，即可單獨(dú)開發(fā)，通過(guò)HTTP協(xié)議和后端進(jìn)行通信。而且具有開發(fā)效率高，打包部署便利等優(yōu)點(diǎn)[21]。

1.5 基于MySQL的數(shù)據(jù)庫(kù)設(shè)計(jì)

數(shù)據(jù)庫(kù)是系統(tǒng)開發(fā)的重要環(huán)節(jié)，其中保存著大量的用戶數(shù)據(jù)，包括用戶信息，歷史記錄等。MySQL作為一款開源軟件，可以免費(fèi)使用和修改，支持SQL查詢語(yǔ)言，加上其快速的處理速度使它在世界范圍內(nèi)都深受喜愛。本文使用MySQL關(guān)系型數(shù)據(jù)庫(kù)存儲(chǔ)系統(tǒng)數(shù)據(jù)，并且設(shè)計(jì)了符合系統(tǒng)要求的數(shù)據(jù)庫(kù)表。

本系統(tǒng)數(shù)據(jù)庫(kù)設(shè)計(jì)了user、mw _func、mw_image_processing_history、mw_resource、mw_dict、mw_mw等六個(gè)數(shù)據(jù)表，其中用戶表用于保存用戶的基本信息，包括編號(hào)、登錄賬號(hào)、密碼、用戶姓名、角色身份等。圖像處理功能表主要包括功能名稱、功能描述、啟用狀態(tài)等信息，該表用于保存圖像處理功能的基本信息。歷史記錄表主要包括用戶ID、處理時(shí)長(zhǎng)、處理結(jié)果、輸入數(shù)據(jù)、輸出數(shù)據(jù)等，該表用于保存用戶操作的歷史記錄信息。文件資源表主要包括原始名稱、新名稱、保存路徑、創(chuàng)建時(shí)間等，該表用于保存用戶上傳的圖片、PDF文件、ZIP壓縮包等資源信息以及在系統(tǒng)中的存儲(chǔ)位置。滿文翻譯表主要包括滿文拉丁字母轉(zhuǎn)寫、中文釋義、備注等，用于滿文翻譯。滿文單詞表主要包括滿文文字，其中id字段和mw_dict表中的id對(duì)應(yīng)，該表用于查詢滿文單詞。

2 系統(tǒng)功能設(shè)計(jì)

本系統(tǒng)主要功能主要包含四大模塊如圖2。檔案預(yù)處理模塊、檔案版面分析模塊、檔案識(shí)別模塊、單詞翻譯模塊。

圖2 功能架構(gòu)設(shè)計(jì)

2.1 檔案預(yù)處理

檔案預(yù)處理模塊包括二值化、超分辨率重構(gòu)和印章去除功能。

二值化：二值化就是將用戶輸入的滿文檔案圖像上像素點(diǎn)的灰度值設(shè)置為0或255，從而使整個(gè)圖像呈現(xiàn)出明顯的黑白效果的過(guò)程。能夠清楚的區(qū)分滿文檔案圖像中的文字和背景，提高清晰度，也有利于提高其他算法的準(zhǔn)確度。

超分辨率重構(gòu)：超分辨率重構(gòu)可以提高用戶輸入的滿文檔案圖像的分辨率，通過(guò)特定的算法計(jì)算，將低分辨率的圖像轉(zhuǎn)化成一幅高分辨率的圖像過(guò)程就是超分辨率重構(gòu)。通過(guò)超分辨率重構(gòu)能夠提高圖片的像素質(zhì)量，提高圖片清晰度，便于用戶的查看。

印章去除：印章去除是通過(guò)算法將圖片中的印章部分去掉，從而得到新的圖像的過(guò)程。通過(guò)印章去除能夠去掉滿文檔案圖像中無(wú)用信息，便于用戶的查看，也有利于降低印章對(duì)滿文檔案圖像的影響，提高其他算法的準(zhǔn)確度。

2.2 檔案版面分析

檔案版面分析模塊包括文本行分割和版面分割功能。

文本行分割：每張滿文檔案圖像通常都包含大量的文本信息，整篇幅的文本信息無(wú)法進(jìn)行細(xì)化的識(shí)別和處理，因此有必要將整篇的滿文檔案圖像切分成 單獨(dú)的滿文圖像進(jìn)行處理。在此基礎(chǔ)上便于實(shí)現(xiàn)滿文的識(shí)別與翻譯。文本行分割滿文檔案圖像，能夠?qū)⒁?guī)范的滿文檔案圖像以字符為單位，切分成一個(gè)個(gè)單獨(dú)的滿文單詞圖像，便于之后進(jìn)行復(fù)雜的滿文圖像處理。

版面分割：版面分割就是對(duì)滿文檔案版面中不同區(qū)域的類別進(jìn)行檢測(cè)和分割。滿文檔案圖像的版面分割能夠標(biāo)記和提取文檔圖像中的主要和次要信息，例如正文、標(biāo)題和頁(yè)碼等，對(duì)于用戶查看和滿文檔案識(shí)別具有重要意義。

2.3 檔案識(shí)別

檔案識(shí)別模塊包括單詞識(shí)別和檔案識(shí)別功能。

單詞識(shí)別：每張滿文檔案圖像通常都由許多滿文單詞構(gòu)成，要實(shí)現(xiàn)滿文檔案圖像的識(shí)別，首先要滿足單詞圖像的識(shí)別，通過(guò)對(duì)單詞圖像的識(shí)別，得到該單詞的拉丁字母轉(zhuǎn)寫。

檔案識(shí)別：每張滿文檔案圖像通常都包含大量滿文單詞，識(shí)別單詞圖像在此種情況下效率并不高效，因此需要識(shí)別滿文檔案圖像，此功能的實(shí)現(xiàn)借助于文本行分割算法，將滿文檔案分割成多個(gè)單詞圖像，在此基礎(chǔ)上進(jìn)行單詞識(shí)別，最終得到文檔中所有滿文單詞的拉丁轉(zhuǎn)寫，提高識(shí)別效率。

2.4 單詞翻譯

單詞翻譯模塊包括單詞圖像翻譯和單詞轉(zhuǎn)寫翻譯功能。

單詞轉(zhuǎn)寫翻譯：滿文單詞可以遵循指定的標(biāo)準(zhǔn)轉(zhuǎn)化成拉丁字母轉(zhuǎn)寫，本系統(tǒng)的轉(zhuǎn)寫規(guī)則依據(jù)《新滿漢大辭典》，并將轉(zhuǎn)寫字母和中文翻譯保存在數(shù)據(jù)庫(kù)。此功能根據(jù)用戶輸入的拉丁轉(zhuǎn)寫字母來(lái)查詢數(shù)據(jù)庫(kù)，即可獲得該轉(zhuǎn)寫字母的滿文單詞和中文翻譯。

單詞圖像翻譯：用戶輸入一張滿文單詞圖像，根據(jù)單詞識(shí)別算法，可以獲得該單詞的拉丁字母轉(zhuǎn)寫，再通過(guò)查詢數(shù)據(jù)庫(kù)中保存的轉(zhuǎn)寫、滿文單詞和中文翻譯的對(duì)應(yīng)關(guān)系，即可實(shí)現(xiàn)滿文單詞的翻譯。

3 關(guān)鍵算法

滿文檔案圖像處理功能依賴相關(guān)算法，下面對(duì)本文使用到的關(guān)鍵算法進(jìn)行簡(jiǎn)要介紹。

3.1 二值化算法

本文使用到的滿文檔案圖像二值化算法是源于霍小娜提出的“滿文歷史文檔圖像二值化方法研究”[14]。該論文提出了一種基于U型卷積神經(jīng)網(wǎng)絡(luò)的滿文歷史文檔圖像二值化方法。該方法采用分塊同態(tài)濾波操作對(duì)圖像進(jìn)行預(yù)處理，然后再通過(guò)U型卷積神經(jīng)網(wǎng)絡(luò)對(duì)滿文歷史文檔圖像進(jìn)行前景和背景分割，可以得到性能良好的二值化圖像。

3.2 超分辨率重構(gòu)算法

本文使用到的滿文檔案圖像超分辨率重構(gòu)算法是源于畢加晶的“滿文數(shù)據(jù)生成方法研究”論文[15]。此論文建立了一種基于SRGAN的滿文圖像超分辨率重建模型，與SRCNN方法、最近鄰插值法以及雙三次插值法等重建方法相比，此方法可以取得更好的視覺效果。

3.3 印章去除算法

本文使用到的滿文檔案圖像印章去除算法是源于盧海濤的“基于深度學(xué)習(xí)技術(shù)的滿文檔案圖像印章檢測(cè)與去除方法”論文[16]。該論文提出“基于深度生成對(duì)抗網(wǎng)絡(luò)的滿文檔案圖像印章去除方法”，該模型由生成器與判別器組成，在生成器的設(shè)計(jì)中使用具有U-Net結(jié)構(gòu)與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式，在判別器中構(gòu)建了一個(gè)全卷積神經(jīng)網(wǎng)絡(luò)的PatchGan網(wǎng)絡(luò)，并且結(jié)合印章去除的任務(wù)設(shè)計(jì)了一個(gè)適合印章去除的損失函數(shù)，在新的損失函數(shù)中加大對(duì)印章區(qū)域的懲罰，讓印章去除模型能集中注意力去除印章區(qū)域，也盡量減少非印章區(qū)域的文檔部分細(xì)節(jié)的損失。

3.4 文本行分割算法

本文使用到的滿文檔案圖像文本行分割算法是源于張晶提出的“基于縫隙裁剪的滿文單詞分割和提取方法研究”[17]。該文提出了一種基于縫隙剪裁的滿文檔案圖像單詞分割和提取方法。首先，通過(guò)投影輪廓匹配策略初步涂抹并確定文本列數(shù)目；然后，在相鄰文本列間自底向上地進(jìn)行動(dòng)態(tài)規(guī)劃，尋找最小能量線，并通過(guò)中線區(qū)域約束得到不損壞滿文文字部件的最佳分割線；最后，依據(jù)分割線提取獨(dú)立滿文文本列進(jìn)而提取滿文單詞。

3.5 版面分割算法

本文使用到的滿文檔案圖像版面分割算法來(lái)自陳璇的“基于深度學(xué)習(xí)的滿文檔案版面分析方法研究”論文[18]。該論文提出了基于Mask R-CNN的滿文檔案版面分析方法MDLA_Mask R-CNN(Manchu Document Layout Analysis based on Mask R-CNN)，在該模型中，首先將滿文檔案圖像送入到特征提取網(wǎng)絡(luò)中進(jìn)行特征提取，生成特征圖；然后將生成的特征圖輸入到RPN網(wǎng)絡(luò)中生成區(qū)域建議框并完成第一次區(qū)域建議框的修訂；再把區(qū)域建議框和由特征提取生成的最高維特征圖傳入到RoI Align層，RoI Align層提取出區(qū)域建議框?qū)?yīng)的特征并將其轉(zhuǎn)化為固定值；通過(guò)全連接層完成類別預(yù)測(cè)和邊框回歸，經(jīng)過(guò)FCN全卷積神經(jīng)網(wǎng)絡(luò)對(duì)感興趣區(qū)域的像素進(jìn)行分類并得到mask預(yù)測(cè)；最終實(shí)現(xiàn)滿文檔案圖像的實(shí)例分割，從而完成滿文檔案版面分析任務(wù)。

3.6 單詞識(shí)別算法

本文單詞識(shí)別算法是基于ATTENTION機(jī)制的滿文單詞圖像識(shí)別方法，該模型網(wǎng)絡(luò)有兩個(gè)部分：編碼層與解碼層。

編碼層方面包括卷積層，循環(huán)編碼層。其中卷積層使用了ResNet殘差網(wǎng)絡(luò)進(jìn)行特征提取，通過(guò)多個(gè)殘差單元與卷積核對(duì)滿文圖像進(jìn)行多層次的特征提取，而后再通過(guò)全連接操作對(duì)特征進(jìn)行序列疊加，最終得到特征序列。而循環(huán)編碼層使用了雙向LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)，對(duì)比單向LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)，能夠從正向與逆向?qū)μ卣餍蛄羞M(jìn)行運(yùn)算，從而加強(qiáng)了圖像文字信息的依賴性。

解碼層方面，使用了ATTENTION機(jī)制與LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)合的方法進(jìn)行文字的解碼輸出工作。整個(gè)解碼工作分為三個(gè)步驟：首先，利用LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)隱藏狀態(tài)與上層的BiLSTM雙向循環(huán)神經(jīng)網(wǎng)絡(luò)所提取的特征序列進(jìn)行相關(guān)性計(jì)算，再通過(guò)歸一化的方式對(duì)不同的特征序列進(jìn)行不同的權(quán)重分配。而后，特征序列通過(guò)與權(quán)重進(jìn)行加權(quán)和計(jì)算產(chǎn)生所需關(guān)鍵特征信息。最后，通過(guò)循環(huán)產(chǎn)生的關(guān)鍵特征信息結(jié)合LSTM網(wǎng)絡(luò)，對(duì)文字圖像進(jìn)行序列識(shí)別。

3.7 滿文單詞轉(zhuǎn)寫拉丁字母標(biāo)準(zhǔn)

滿文單詞識(shí)別需要依據(jù)相應(yīng)的標(biāo)準(zhǔn)，將滿文字母轉(zhuǎn)寫成拉丁字母。滿文共有35個(gè)字母，其中包括6個(gè)元音字母，19個(gè)輔音字母以及10個(gè)特定字母，滿文字母分為單寫，字首，字中和字尾四種形式，其中相同字母連接不同元音時(shí)寫法也會(huì)不同。隨著現(xiàn)代語(yǔ)言學(xué)研究方法和現(xiàn)代計(jì)算機(jī)技術(shù)在滿文研究中的應(yīng)用，使用拉丁字母轉(zhuǎn)寫已然成為滿文研究和教學(xué)中最基本的方法，因此，本文將構(gòu)建滿文字母表的字符轉(zhuǎn)寫成拉丁字母表的字符，在構(gòu)建滿文文字符號(hào)系統(tǒng)轉(zhuǎn)換為拉丁文符號(hào)系統(tǒng)的時(shí)候，首先考慮的是得出拉丁字母表的字符同滿文字母表字符的一一對(duì)應(yīng)關(guān)系。目前通用的有穆林多夫轉(zhuǎn)寫字符，太清轉(zhuǎn)寫字符，本文采用的是《新滿漢大詞典》轉(zhuǎn)寫字符，見表1。本詞典的轉(zhuǎn)寫字符有兩個(gè)特點(diǎn)，一是注意轉(zhuǎn)寫字符內(nèi)部的系統(tǒng)性，二是盡可能不用附加符號(hào)而用雙字母，只有在以h起頭的音節(jié)前面出現(xiàn)s的情況下，要在s和h中間加上一個(gè)隔音符號(hào)(’)。

表1 滿文單詞轉(zhuǎn)寫拉丁字母方案

4 系統(tǒng)實(shí)現(xiàn)

在本系統(tǒng)采用B/S架構(gòu)，在開發(fā)過(guò)程中，前端開發(fā)采用了Vue框架，引入了UI框架Ant-Design-Vue，引入Echarts顯示圖表，引入基于Promise的HTTP客戶端Axios。后端采用微服務(wù)架構(gòu)，包括基于SpringBoot框架的系統(tǒng)業(yè)務(wù)服務(wù)，基于SpringCloud的服務(wù)注冊(cè)與發(fā)現(xiàn)中心，基于Flask 的圖像處理服務(wù)。后端服務(wù)間依賴Eureka組件互相聯(lián)系，確保服務(wù)間調(diào)用。數(shù)據(jù)庫(kù)使用關(guān)系型數(shù)據(jù)庫(kù)MySql，根據(jù)系統(tǒng)需要設(shè)計(jì)出對(duì)應(yīng)的數(shù)據(jù)表。最終系統(tǒng)實(shí)現(xiàn)效果如圖3。

a) 系統(tǒng)主頁(yè)

5 結(jié) 語(yǔ)

本文通過(guò)調(diào)研發(fā)現(xiàn)，目前市面上的滿文處理系統(tǒng)缺少二值化處理、印章去除、版面分析等功能，為了實(shí)現(xiàn)這些功能，調(diào)研了現(xiàn)在已經(jīng)實(shí)現(xiàn)的滿文檔案圖像處理算法，這些算法能夠?qū)M文檔案圖像進(jìn)行相應(yīng)的處理，因此設(shè)計(jì)并實(shí)現(xiàn)滿文檔案圖像智能處理系統(tǒng)，本系統(tǒng)實(shí)現(xiàn)了滿文檔案預(yù)處理、版面分析、檔案識(shí)別和單詞翻譯等功能模塊，模塊間可以相互配合使用，可解決復(fù)雜的滿文檔案圖像處理問(wèn)題。系統(tǒng)采用前后端分離的架構(gòu)設(shè)計(jì)，前端采用Vue框架構(gòu)建單頁(yè)面應(yīng)用，后端部分采用微服務(wù)的架構(gòu)設(shè)計(jì)，解決跨語(yǔ)言調(diào)用、依賴包版本沖突和算法更新問(wèn)題。本系統(tǒng)的實(shí)現(xiàn)，不僅有利于提升滿文檔案數(shù)字化、智能化處理的工作效率，推動(dòng)滿文檔案更廣泛地利用，而且也可為其它少數(shù)民族古籍檔案處理系統(tǒng)的設(shè)計(jì)和開發(fā)提供經(jīng)驗(yàn)和參考。