青铜器铭文图像有效特征的提取是进行铭文识别的关键步骤，针对以图像为信息载体的铭文特征提取方法由于特征维度高、特征向量复杂而识别准确度低的问题，提出了一种基于拓扑与网格双特征的铭文图形集成学习识别方法。以图形为铭文特征的表征，所提方法提取拓扑特征和7维文字结构图形特征，有效描述了铭文文字的结构信息。在此基础上，所提方法利用降维后铭文全局结构信息和局部结构信息的8维4方向弹性网格特征，解决了提取铭文图像特征导致的特征向量维度高的问题。最后，以拓扑特征和弹性网格特征作为集成学习样本的特征向量，利用Bagging方法对特征向量敏感程度不同的机器学习分类器进行集成，提升模型训练效率、提高识别精度。实验结果表明，与图像特征提取方法相比，所提方法对铭文识别准确率提高了15.54个百分点，并且铭文特征向量维度及运行时间大幅度降低。

金文图像识别的关键步骤是提取金文的图像特征,针对金文的形态特点,提出了一种基于方向梯度直方图(HOG)和灰度共生矩阵(GLCM)的金文图像识别算法。使用双边滤波对金文图像进行预处理,针对金文的结构特征和局部纹理特征,提取其HOG特征和GLCM特征并将二者进行融合。用融合后的特征作为样本训练支持向量机分类器,用训练后的模型识别金文图像。实验结果表明,该算法相比基于HOG特征的算法,分类准确率提高了19.47个百分点,能更好地提取金文的图像特征,提高识别的准确率。