甲骨文是篆刻在龟甲或兽骨上的古老文字,是中华民族宝贵的文化遗产,更是全人类的精神财富。然而,新出土的甲骨多为碎片,只有完整的甲骨片才可以展开学术研究。因此,甲骨材质辨认和甲骨缀合成为了甲骨学研究中首当其冲的关键步骤。现阶段,甲骨材质辨认和甲骨缀合工作主要依靠人力完成,研究进程缓慢,极为耗时耗力,严重制约了甲骨文研究的进展,亟待解决。随着人工智能技术的快速发展,使用人工智能技术解决甲骨学研究难题已经成为近年的发展趋势。引入人工智能技术解决甲骨学研究问题,不仅可以拓宽计算机视觉在古文字领域的应用场景,而且可以加快甲骨学领域的研究进程。受此启发,本文基于图像处理技术针对甲骨材质辨认和甲骨缀合工作展开具体研究,以高效、精准的方式对甲骨材质进行辨认,并对甲骨碎片的缀合可能性做出判断。本文的研究内容可显著提高甲骨学专家在甲骨材质辨认和甲骨缀合中的工作效率,加快甲骨学研究进程,进一步推动甲骨学的传承与发展,极具研究和应用价值。本文的具体工作如下:1.构建甲骨材质数据集（Oracle Bone Material Dataset,OBMD）和甲骨可缀合数据集（Conjugable Oracle Bone Dataset,COBD）。甲骨拓片的相关数据一直分散全球各地,并且当前国内外还没有与甲骨拓片相关的公开数据集。鉴于此,针对甲骨材质辨认和甲骨缀合工作,分别收集并整理了两个数据集:OBMD数据集共有2020幅不同材质的甲骨拓片图像,包含1058幅龟甲拓片图像和962幅兽骨拓片图像。此外,针对龟甲拓片图像中的盾纹特征设计了简单、高效的标签制作方法,为每一幅龟甲材质拓片图像中的盾纹特征提供了精准的分割、检测和分类标签;COBD数据集收集了480组（960幅）已被甲骨学专家验证的可缀合甲骨拓片图像和1083幅未完成缀合的甲骨拓片图像。在甲骨学专家的帮助下,对每幅拓片图像标注了对应的甲骨碴口曲线。数据集建立和标签制作工作为后续甲骨材质辨认和甲骨缀合研究奠定了数据基础。2.通过细粒度分类方法解决甲骨材质辨认难题,提出以R-UNet++为主的细粒度分类框架。在细粒度分类框架的设计中,以“拓片图像中是否存在盾纹”作为类间差异的判断标准,提出先分割后分类的细粒度分类方法。在分类框架中,首先通过R-UNet++准确分割盾纹;然后采用Res Net 50作为分类网络,对R-UNet++的分割图像进一步提取特征,并实现甲骨材质的分类。R-UNet++继承了UNet++中密集的卷积块链接,并在此基础上引入注意力模块、双线性上采样方法和残差单元的改进策略,在提升网络细粒度分割能力的前提下,有效抑制了多尺度特征融合时产生的噪声响应。实验表明,R-UNet++不仅可以实现高准确度的分割盾纹,而且明显提升了所提分类框架的分类准确度,通过与其他代表性分类网络对比,充分证明了所提分类框架的可行性和高效性。3.通过甲骨碴口曲线的相似度匹配实现甲骨缀合,提出基于数据增广的Siamese孪生相似神经网络。可缀合的甲骨碎片在碴口处可以实现大致拼合,虽然不是严丝合缝,但足以作为甲骨缀合的判断依据。基于此,提出使用Siamese网络对甲骨碎片的碴口曲线图像进行相似度对比,并通过多曲线融合的数据增广策略进一步增强Siamese网络的缀合准确性和可靠性。实验结果表明,所提的甲骨缀合方法在Top-50的缀合要求下,平均准确率达到了96.11%,充分证明了所提方法的有效性和可靠性。4.设计并实现了甲骨材质辨认和甲骨缀合系统,将甲骨材质分类框架和甲骨缀合模型进行封装,该系统为甲骨材质辨认工作和甲骨缀合工作提供了可行性方案。