Kırılgan gradyanlı hızlı artık küçülme gürültü giderme ağı ile oracle kemik yazıtlarının restorasyonu

Kadim sözcükler yeniden odakta

Kağıt ve matbaadan çok önce Çinliler kehanet için kaplumbağa kabukları ve hayvan kemiklerine tanrılara sorular kazıdı. Bu oracle kemik yazıtları insanlığın en eski yazılı kayıtlarından bazılarıdır, ancak günümüze ulaşan parçaların çoğu çatlamış, aşınmış ve okunması zor hâldedir. Bu çalışma, bu hassas eserlerin dijital görüntülerini temizleyip keskinleştiren yeni bir bilgisayar yöntemi sunuyor; tarihçilere ve halka işaretleri daha net görme olanağı sağlıyor.

Neden eski kemikler zor okunur

Oracle kemikler üç binden fazla yıl süren hava koşulları, gömülme ve elle muameleye dayanmıştır. Günümüzde araştırmacılar bunları fotoğrafladığında veya frotiye aldığında ortaya çıkan görüntüler genellikle benekli gürültü, bulanıklık ve kemik kırıldığında ortaya çıkan eksik parçalar içerir. Çizgiler genellikle güçlü, koyu hatlar halinde olur, fakat çevresindeki yüzey çok az dokuya sahiptir. Zengin detaylarla dolu gündelik fotoğraflar için tasarlanmış standart temizleme araçları ya çok fazla gürültüyü bırakma eğilimindedir ya da antik karakterlerin uzmanların en çok incelemesi gereken kısımlarını—kenarları—yumuşatıp yok eder.

Görüntüleri temizlemenin daha akıllı yolu

Bunu ele almak için yazarlar, görüntü restorasyonu hattını oracle kemiklerinin özgün görünümüne göre yeniden tasarlıyor. İşe görüntüleme alanındaki yaygın bir fikirden başlıyorlar: bozulmuş bir resim, bulanıklık, gürültü veya eksik pikseller tarafından bozulmuş temiz bir orijinal olarak düşünülebilir. Matematiksel olarak orijinali geri kazanmak, birçok olası cevabı olan iyi tanımlanmamış bir problemdir; bu yüzden çözümü gerçekçi görüntülere yönlendirecek ek kurallar—düzenleştirme—gerekir. Ekip, görüntünün tamamını baştan inşa etmek yerine bir resimden neyin çıkarılması gerektiğini tahmin ederek gürültüyü kaldırmayı öğrenen modern bir yapay sinir ağı türü kullanıyor. Bu artık (residual) yaklaşım eğitimi daha kolay ve daha kararlı kılıyor.

Fraktallardan desen ödünç almak

Yöntemin kritik yeniliği, yazıtların keskin çizgilerini nasıl koruduğudur. Gürültüyü gerçek çizgilerle kolayca karıştıran basit kenar algılayıcılara dayanmak yerine yazarlar görüntünün “fraktal” bir görünümünü kullanıyor. Fraktallar, desenlerin farklı ölçeklerde nasıl tekrarlandığını yakalar. Küçük bir pencereyi görüntüye kaydırıp o pencerede parlaklığın ölçek değiştikçe nasıl değiştiğini sayarak algoritma, görüntünün yapısal olarak karmaşık olduğu yerlerin—genellikle karakter çizgileri boyunca—ve nerelerin düz olduğunu gösteren bir harita oluşturuyor. Bu fraktal gradyan haritası, eğitim hedefinin bir parçası oluyor: ağ sadece resmi temiz yapmakla değil, aynı zamanda bu çok ölçekli kenar yapılarının korunmasıyla da ödüllendiriliyor.

Akıllı ağ tasarımıyla hız ve ayrıntı

Restorasyon sistemi, verimli çalışmak için geri döndürülebilir örneklemeyi de kullanıyor. İlk olarak, giriş görüntüsü ağaçların daha hızlı işleyebileceği birkaç daha küçük, daha düşük çözünürlüklü parçaya ayrılır. Gürültü giderme sonrası, bir yükseltme adımı bunları tam boyuta geri diker. Ağ içinde küçük konvolüsyon filtrelerinden oluşan katmanlar özellikleri çıkarırken, yumuşak eşikleme modülü hangi özelliklerin gürültü olma olasılığı yüksek olduğunu belirleyip onları aniden kesmek yerine nazikçe küçültür. Bu bileşim, modeli lekeleri ve bulanıklığı bastırırken yazıdaki anlam taşıyan ince çizgi kırılmalarını ve köşeleri koruyacak şekilde olanak tanır.

Daha keskin karakterler, daha hızlı sonuçlar

Araştırmacılar yöntemlerini “kaplan”, “ejderha” ve “köpek” karakterlerinin görüntüleri üzerinde test ediyor; üç yaygın sorunu simüle ediyorlar: rastgele gürültü, odak dışı lens kaynaklı bulanıklık ve doldurulması gereken çizikler ya da boşluklar. Yaklaşımlarını IRCNN adlı iyi bilinen bir derin öğrenme yöntemiyle karşılaştırıyorlar; hem görsel inceleme hem de standart görüntü kalitesi ölçütleri kullanılıyor. Neredeyse tüm durumlarda yeni yöntem daha net, daha sürekli çizgiler ve keskinlik ile yapısal benzerlik açısından daha yüksek puanlar sunuyor; ayrıca daha kısa sürede çalışıyor. Kenar haritaları ve gradyan histogramlarının ek analizleri, karakter konturlarının orijinal yönünü ve gücünü daha sadık şekilde yeniden ürettiğini gösteriyor.

Kadim yazıyı modern göze ulaştırmak

Basitçe söylemek gerekirse, bu çalışma dünyanın en eski metinlerinden bazıları için daha hızlı, daha akıllı dijital bir “temizlik bezi” sunuyor. Uygun bir sinir ağı ile kenarları tespit edip korumanın fraktal tabanlı bir yolunu birleştirerek teknik, gürültüyü temizleyebilir, bulanıklığı geri alabilir ve uzmanların güvendiği ince detayları silmeden küçük boşlukları yamayabilir. Bu tür araçlar yayıldıkça, solmuş oracle kemiklerini—ve muhtemelen diğer kırılgan yazıtları—araştırmacılar, öğrenciler ve müze ziyaretçileri için daha okunabilir hale getirerek insan mirasının hayati bir parçasını korumaya ve paylaşmaya yardımcı olma sözü veriyor.

Atıf: 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

Anahtar kelimeler: oracle kemik yazıtları, görüntü restorasyonu, derin öğrenme, kültürel miras, gürültü giderme