我国历史悠久,珍贵的古籍藏书丰富,随着计算机技术的高速发展,利用计算机辅助古籍研究是必由之路。古籍图像版面结构复杂,对其进行有效、准确的分析是实现古籍汉字识别与检索的前提和基础,本文从以下两个方面对古籍图像展开研究。(1)古籍图像非正文成分提取针对古籍图像中存在印章、批注等非正文成分,影响版面分析准确性的问题,分别设计了基于自适应Canny算子的印章定位方法和基于Mask R-CNN的批注提取方法。对于印章,利用改进的自适应Canny算子提取古籍版面印章区域边缘轮廓信息,选择形状参数提取印章特征,实现古籍印章与其周围汉字的分离。对于批注,首先,使用Labelme图像标注工具对古籍图像批注数据集进行标注;其次,利用Mask R-CNN模型实例分割古籍批注图像,得到预测结果Mask图;然后,对比不同深度ResNet网络对Mask R-CNN识别效果、速率的影响,选取最优网络架构;最后,采用二分K-means算法对Mask图进行聚类,实现古籍批注成分的提取。(2)基于LOF和波动阈值的古籍图像版面分析方法针对古籍版面成分多样、古籍汉字结构复杂且风格多变的特点,提出了基于LOF(Local Outlier Factor,局部离群因子)和波动阈值的古籍图像版面分析方法。在对古籍图像进行倾斜校正预处理的基础上,首先,通过对大量古籍图像的分析,归纳古籍图像的版面特征;其次,采用基于LOF的分类算法对古籍图像投影分割后的版面区域进行分类,确定存在分割问题的候选混合区域;最后,利用波动阈值对候选混合区域中的文字与框线粘连部分进行分割,确定古籍版面中的文字区域并输出。采用《文渊阁四库全书》、《杜工部集》和《传习录》等,古籍汉字研究主流文献所包含的11560幅古籍图像作为实验数据集,对所实现的古籍图像版面分析系统进行了实验,并与基于连通域分析的、基于神经网络的和基于特征值的版面分析方法进行比对。本文方法对古籍汉字图像检索的准确率和召回率分别为87.02%和81.31%,且效率较高,主要性能优于对比方法。表明所提出的古籍图像版面分析方法与同类方法相比,能够有效地对古籍图像进行分析,定位文字区域和非文字区域,从而为实现古籍汉字图像的检索与识别打下基础。