古代汉籍是我国珍贵的历史资源,由于文化交流等因素,我国许多珍贵的古籍分散存藏于海外其他国家,“汉籍合璧”工程的主要任务是对这些流传海外的珍贵汉籍进行综合性地排查与收录,从而完善我国古代汉籍的存藏体系,为国内文化建设和国际文化交流提供文献支持,为全世界汉学家提供完备的研究资料。随着计算机视觉技术的成熟与普及,将历史古籍资源与图像处理技术相结合,并对历史古籍实现数字化是保护历史古籍文献的重要方式。印章在古籍中占有重要的地位,它不仅体现了篆刻者的雕刻工艺与独特的风格,具有极高的艺术价值;而且包含了古籍的流传信息与版本信息,反映了特定历史时期的人文特征,具有极高的研究价值。从对人文历史研究的角度出发,以对古籍资源进行保护传承和普及为目的,利用计算机视觉相关技术对古籍中的印章图像进行分割和识别并实现其数字化,具有重要的研究意义与价值。然而由于印章样式与种类的多样性,对于历史古籍中的印章进行古文字的提取与识别具有极高的挑战性。传统的基于数字图像的印章分割识别方法一般通过灰度值的连续性与相似性来提取图像中满足特定形状及颜色的区域,进而实现印章识别功能。由于古籍文档种类繁多,印章形状各异,很多扫描件中对应的原文档出现了纸张老化、印泥褪色等现象,传统方法对古籍印章提取难以取得好的效果。随着深度学习的发展,使用计算机视觉技术对古籍中的印章进行分割识别成为可能。本文采用计算机视觉方法对古籍印章的分割与识别进行了研究,构建了印章数据库SACB与小篆字符数据库SSF,并提出了一种高效的分割神经网络SEL-RefineMask对印章进行分割,之后用改进的ViT网络对分割得到的字符进行识别,主要研究内容如下:1.本文进行了印章数据集的采集筛选与制作,在收集到足够多的印章样本的基础上,采用LabelMe数据标注工具对印章图像进行标注,最终完成了印章数据集SACB的建立工作,该数据集总共包含12,000张印章图像。为识别从印章中分割出来的小篆字符,构建了小篆字体库SSF,其中包含1,000种古代常用的小篆字体类别,每个小篆字体包含10张图像,小篆字符数据集SSF共包含10,000张图像。2.本文提出了一种新型的实例分割网络SEL-RefineMask用于印章分割,其中选择子模块SEL-FPN可以根据印章中的字符数来选择相应的FPN特征层,从而可以产生更适合RPN的输入,有效地提高了网络的性能与准确度。本文对分割的流程与原理进行了详细的说明与阐述,并结合AP聚类对分割结果进行综合性的分析,以一些表现优异的实例分割网络为基准进行对比实验,最后对实验参数及真实印章数据集SACB上的实验结果进行了讨论。实验结果表明SEL-Refinemask网络超过了基准方法RefineMask 3.03%。3.在印章文字分割的基础上,采用融合不变特征的ViT网络对分割得到的字符进行识别,本文将SIFT算法所提取到的特征作为ViT网络的输入进行训练,并对字符的预处理、识别过程进行了详细描述,实验结果表明改进的ViT网络准确度达到了 91.00%。