Odtwarzanie napisów na kościach wróżebnych z użyciem szybkiej sieci redukującej szum z resztkowym skurczem i fraktalnym gradientem

Starożytne słowa odzyskane w ostrości

Długo przed wynalezieniem papieru i druku chińscy wróżbici ryli pytania do bogów na skorupach żółwi i kościach zwierząt. Te napisy na kościach wróżebnych należą do najstarszych znanych zapisów ludzkości, lecz wiele zachowanych fragmentów jest popękanych, starte i trudne do odczytania. W badaniu przedstawiono nową metodę komputerową, która oczyszcza i wyostrza cyfrowe obrazy tych kruchych artefaktów, pomagając historykom i szerokiej publiczności wyraźniej dostrzec ich znaki.

Dlaczego stare kości są trudne do zobaczenia

Kości wróżebne przetrwały ponad trzy tysiące lat działania żywiołów, pochówków i użytkowania. Gdy badacze dziś je fotografują lub robią z nich odbitki, powstałe obrazy często zawierają plamisty szum, rozmycie i brakujące fragmenty tam, gdzie kość się ukruszyła. Same kreski zazwyczaj są mocne i ciemne, ale otaczająca powierzchnia ma bardzo mało faktury. Standardowe narzędzia do oczyszczania zdjęć, zaprojektowane do zwykłych fotografii wypełnionych bogatymi detalami, zwykle albo pozostawiają zbyt dużo szumu, albo wygładzają brzegi starożytnych znaków — dokładnie te części, które eksperci najbardziej potrzebują studiować.

Inteligentniejszy sposób oczyszczania obrazów

Aby sprostać temu wyzwaniu, autorzy przeprojektowali pipeline „restauracji” obrazu wokół specyfiki wyglądu kości wróżebnych. Wyjściowo korzystają z powszechnego pomysłu w obrazowaniu: zniszczony obraz można traktować jako czysty oryginał zniekształcony przez rozmycie, szum lub brakujące piksele. Matematycznie odzyskanie oryginału jest problemem nierozwiązanym jednoznacznie, dlatego potrzebne są dodatkowe reguły — zwane regularyzacją — które kierują rozwiązanie w stronę realistycznych obrazów. Zespół używa nowoczesnego typu sieci neuronowej, która uczy się usuwać szum, przewidując jedynie to, co należy odjąć od obrazu, zamiast odtwarzać cały obraz od zera. Takie podejście resztkowe ułatwia i stabilizuje trening.

Pożyczanie wzorców od fraktali

Kluczową innowacją jest sposób ochrony ostrych linii napisów. Zamiast polegać na prostych detektorach krawędzi, które łatwo mylą szum z rzeczywistymi kreskami, autorzy stosują „fraktalny” sposób patrzenia na obraz. Fraktale opisują, jak wzory powtarzają się na różnych skalach. Przesuwając małe okno po obrazie i licząc, jak zmienia się jasność w tym oknie wraz z skalą, algorytm buduje mapę miejsc o złożonej strukturze — zwykle wzdłuż pociągnięć znaków — oraz miejsc płaskich. Ta fraktalna mapa gradientowa staje się częścią funkcji celu podczas treningu: sieć jest nagradzana nie tylko za uczynienie obrazu czystym, ale też za zachowanie wieloskalowych struktur krawędzi.

Szybkość i szczegół dzięki sprytnemu projektowi sieci

System restauracji wykorzystuje również odwracalne próbkowanie, by działać wydajnie. Najpierw obraz wejściowy dzielony jest na kilka mniejszych, niższej rozdzielczości płytek, które sieć może przetwarzać szybciej. Po odszumieniu etap powiększania scala je z powrotem do pełnego rozmiaru. W sieci warstwy z małymi filtrami konwolucyjnymi wydobywają cechy, podczas gdy moduł miękkiego progowania decyduje, które cechy są prawdopodobnie szumem i delikatnie je zmniejsza zamiast odcinać gwałtownie. To połączenie pozwala modelowi tłumić plamki i rozmycie, zachowując jednocześnie subtelne przerwy w liniach i narożniki niosące znaczenie w piśmie.

Bardziej wyraźne znaki, szybsze rezultaty

Badacze testują swoją metodę na obrazach znaków z kości wróżebnych oznaczających „tygrys”, „smok” i „pies”, symulując trzy powszechne problemy: losowy szum, rozmycie spowodowane nieostrym obiektywem oraz zadrapania lub luki wymagające uzupełnienia. Porównują swoje podejście z dobrze znaną metodą uczenia głębokiego IRCNN, stosując zarówno ocenę wizualną, jak i standardowe miary jakości obrazu. W niemal wszystkich przypadkach nowa metoda daje czytelniejsze, bardziej ciągłe pociągnięcia i wyższe wyniki w ostrości oraz podobieństwie strukturalnym, przy jednoczesnym krótszym czasie działania. Dalsze analizy map krawędzi i histogramów gradientów pokazują, że wierniej odtwarza pierwotny kierunek i siłę zarysu znaków.

Przybliżenie starożytnego pisma współczesnym oczom

Mówiąc prosto, praca ta oferuje szybszą, mądrzejszą cyfrową „szmatkę do czyszczenia” dla niektórych z najstarszych tekstów świata. Łącząc dopasowaną sieć neuronową z fraktalnym sposobem wykrywania i zachowywania krawędzi, technika potrafi usuwać szum, cofać rozmycie i zapełniać drobne ubytki bez wymazywania drobnych detali, na których polegają specjaliści. W miarę upowszechniania się takich narzędzi obiecują one uczynić wyblakłe kości wróżebne — a potencjalnie także inne kruche inskrypcje — bardziej czytelnymi dla badaczy, studentów i zwiedzających muzea, pomagając chronić i udostępniać ważny kawałek dziedzictwa ludzkości.

Cytowanie: Li, Z., Zhao, W. Restoration of oracle bone inscriptions using a fast residual shrinkage denoising network with fractal gradient. npj Herit. Sci. 14, 102 (2026). https://doi.org/10.1038/s40494-026-02361-6

Słowa kluczowe: napisy z kości wróżebnych, restauracja obrazów, uczenie głębokie, dziedzictwo kulturowe, redukcja szumu