甲骨文作为汉字的源头,对理解中国古代乃至世界的文化和历史都具有重要意义。但甲骨文字复杂的字形结构和异体字较多的问题,阻碍了甲骨文研究的发展。甲骨文字的识别一直是甲骨文研究中最重要的领域之一。受汉字偏旁拆分的启发,本文提出从偏旁的角度识别甲骨文字形,设计并实现了甲骨文偏旁和合体字识别的方法。将甲骨文字符视为偏旁组合而不是整字识别的方法,不仅可以减少甲骨文字类别和异体字数量,忽略相似字符之间的冗余信息,还使系统能够识别未被考释的甲骨文字符。这样能够极大的提高专家考释未见字的效率,也进一步推动了甲骨学的传承和发展,对甲骨文研究有着重要的应用价值。本文的具体工作如下:1.由于当前国内外还没有标准的甲骨文单偏旁数据集,甲骨文合体字在现有甲骨文字库中也较少,本文通过数据扩充,字符采样,半自动化采样表切割和分类构建了类别数为15,示例数为10412的甲骨文单偏旁数据集（Oracle Radical Character Dataset,ORCD）;再利用计算机辅助拼接技术将甲骨文单偏旁拼合为6种常见结构的甲骨文合体字符,在此基础上还设计了甲骨文合体字联机手写采集系统,最终构建了类别数为1320,示例数为462186的甲骨文合体字数据集（Oracle Combined-Character Dataset,OCCD）,扩充了在现有甲骨文字库中稀缺的甲骨文合体字字符,也为后续甲骨文手写体研究奠定了数据基础。2.在甲骨文单偏旁研究中,本文设计了一个基于深度学习的甲骨文偏旁检测与识别的框架（Oracle Radical Extract and Recognition Framework,ORERF）。首先结合最大极值稳定区域（Maximum Stable Extremal Regions,MSER）算法和自定义后处理算法生成甲骨文单偏旁数据标注;然后,将生成的甲骨文偏旁级标注数据输入到检测网络中,该网络利用U-Net架构和注意力机制提取单偏旁特征后,将特征图馈送至检测模块用于偏旁定位;最后根据偏旁坐标位置,将偏旁拆分后输入到辅助分类网络进行识别,该识别网络能在一定程度上解决单偏旁异体字多的问题。3.在甲骨文合体字识别研究中,由于Image Net是一个用于视觉对象识别研究的大型数据集,本文研究了对在Image Net数据集中预训练的卷积神经网络模型进行参数和结构上的精调,使卷积特征更有利于甲骨文合体字的表示,减轻了训练数据量和模型运算时长的限制。实验结果表明,本文的识别模型对OCCD数据集识别的准确率为98.4%。4.设计并实现了甲骨文偏旁和合体字自动识别系统,将检测和识别模型进行封装。系统的前端由Html5、CSS3、JQuery、Boot Strap实现。为了方便模型的集成,系统的后端采用Django框架,Python语言作为开发语言,系统可以对所选择的甲骨文图像进行自动识别并在前台输出。