1.一种基于时间序列相似性计算的甲骨残片缀合方法，其特征在于，包括以下步骤：

A：提取每幅甲骨拓片图像的边缘曲线图；

B：在每幅甲骨拓片图像的边缘曲线图上，从左到右依次读取每列像素数据的最上端像素点的高度值和最下端像素点的高度值并求得平均值，将平均值作为边缘曲线在该列像素数据的像素位置，然后将依次得到的每列像素数据的像素位置顺序组合在一起，构成边缘曲线图对应的时间序列化曲线数据T，T＝{V1，V2，V3，...，Vi}，i为正整数，Vi表示边缘曲线在第i列像素数据的像素位置；按照上述方法，依次得到每幅甲骨拓片图像的时间序列化边缘曲线数据；

C：将每幅甲骨拓片图像对应的时间序列化边缘曲线数据T进行归一化处理，得到归一化后的时间序列化边缘曲线数据T'，T'＝{V1',V2',V3'，...，Vi'}，i为正整数；

D:对拟判定是否能够缀合的两幅甲骨拓片图像a和b对应的归一化后的时间序列化边缘曲线数据Ta'与Tb'，假定Ta'长度大于Tb'，将较短的曲线数据Tb'以1像素为步幅在Ta'上顺序滑动，并以Tb'为参照依据将Ta'对应的甲骨拓片图像a进行倾斜矫正，并对每次倾斜矫正后的甲骨拓片图像a提取新的边缘曲线数据Ta”，并将Ta”放入集合TS中；

E：对步骤D得到的集合TS中的每个边缘曲线Ta”，计算Ta”与Tb'的差值数组集合ALL；然后进入步骤F；

F：根据步骤E中得到的差值数组集合ALL中的每个差值数组，计算Ta与Tb的相似度；然后进入步骤G；

G：依次按照步骤C、步骤D、步骤E和步骤F的方法，将每幅甲骨拓片图像对应的归一化后的时间序列化边缘曲线数据，依次与其它待选的每幅甲骨拓片图像所对应的归一化后的时间序列化边缘曲线数据进行相似度计算，分别得到对应的相似度值；最后，对每幅甲骨拓片图像，选取与其边缘曲线相似度最高的其他十个边缘曲线数据所对应的甲骨拓片图像，作为该甲骨拓片图像的最佳缀合结果。

2.根据权利要求1所述的基于时间序列相似性计算的甲骨残片缀合方法，其特征在于：

所述的步骤A中，利用数位板和图像编辑处理软件对每张甲骨拓片图像的上部边缘或下部边缘，使用厚度为2像素的红色画笔进行手工描边处理，并将描边处理后的图像保存，最后得到的每个甲骨拓片图像的边缘都由红色曲线表示；然后利用颜色特征，自动提取每幅甲骨拓片图像中所有像素值为(255，0，0)的像素点，得到每幅甲骨拓片图像的红色边缘曲线图。

3.根据权利要求2所述的基于时间序列相似性计算的甲骨残片缀合方法，其特征在于：

所述的步骤B中，在每幅甲骨拓片图像的红色边缘曲线图上，从左到右依次读取每列红色像素数据的最上端的红色像素点的高度值和最下端的红色像素点的高度值并求得平均值，将平均值作为边缘曲线在该列红色像素数据上的像素位置，然后将依次得到的每列红色像素数据的像素位置顺序组合在一起，构成红色边缘曲线图对应的时间序列化曲线数据T，T＝{V1，V2，V3，...，Vi}，i为正整数，Vi表示边缘曲线在第i列红色像素数据的像素位置；按照上述方法，依次得到每幅甲骨拓片图像的时间序列化边缘曲线数据T。

4.根据权利要求1所述的基于时间序列相似性计算的甲骨残片缀合方法，其特征在于：

所述的步骤C中进行归一化处理时，首先计算时间序列化曲线数据T中的最小值min(T)，然后将对应的时间序列化曲线数据T中的每个数据都减去min(T)，得到该边缘曲线图的归一化后的时间序列边缘曲线数据T'。

5.根据权利要求1所述的基于时间序列相似性计算的甲骨残片缀合方法，其特征在于，所述的步骤D包括以下具体步骤：

D1：将待比较的两幅边缘曲线图所对应的归一化后的时间序列化边缘曲线数据Ta'和Tb'的首尾端点直接连线，令所形成的线段长度分别为La和Lb；若La等于Lb，进入步骤D2；否则，以La和Lb中数值较大的边缘曲线数据为基准，假设La大于Lb，进入步骤D4；

D2：分别计算两个归一化后的时间序列化边缘曲线数据Ta'和Tb'的倾斜角度，令θa为Ta'的倾斜角度，θb为Tb'的倾斜角度；令Ta'的首尾端点P1和P2在图像中的坐标分别为(Sx,Sy)和(Ex,Ey)，则θa＝arctan((Ey‑Sy)/(Ex‑Sx))，其中arctan为反正切函数；同理，根据Tb'的首尾端点P3和P4在图像中的坐标，计算Tb'的倾斜角度θb；最后，求Ta'和Tb'的倾斜角度差θ'，θ'＝θa‑θb，然后进入D3；

D3：如果θ'大于0，则将Ta'对应的甲骨拓片图像顺时针旋转θ'角度；如果θ'小于0，将Ta'对应的甲骨拓片图像逆时针旋转|θ'|角度，|θ'|为θ'的绝对值；对Ta'对应的旋转后的甲骨拓片图像，依次通过步骤B和步骤C提取新的边缘曲线图及归一化后的时间序列化边缘曲线数据Ta”，并将新的归一化后的时间序列化边缘曲线数据Ta”放入集合TS，然后进入步骤E；

D4：令P5为起点，初始时P5等于Ta'的首端点P1，在Ta'中从起点P5开始，按照从前到后的顺序在Ta'中寻找点P6，直到P6与P5之间的直线距离等于Lb；令Ta'中P5与P6之间的子曲线数据为Tsub，使用步骤D2中的方法计算Tsub和Tb'的倾斜角度差θ'，然后使用步骤D3中的方法对Ta'对应的甲骨拓片图像进行旋转，并对旋转后的甲骨拓片图像提取新的边缘曲线图，并得到新的归一化后的时间序列化边缘曲线数据Ta”，将Ta”放入集合TS中；然后进入步骤D5；

D5：以1像素为步幅，将P5在Ta'中向后滑动，重复步骤D4，得到新的归一化后的时间序列化曲线数据Ta”，并将Ta”放入集合TS中；然后进入步骤D6；

D6：重复步骤D5，直到P6等于Ta'的尾端点，最终得到Ta'对应的甲骨拓片图像按照不同角度进行旋转并重新提取归一化后的时间序列化边缘曲线数据所组成的集合TS；然后进入步骤E。

6.根据权利要求5所述的基于时间序列相似性计算的甲骨残片缀合方法，其特征在于，所述的步骤E包括以下具体步骤：

E1：从集合TS中依次读取一个曲线数据Ta”，若Ta”与Tb'的数组长度一致，则进入步骤E2；若Ta”与Tb'的数组长度不一致，则进入步骤E3；

E2：计算得到Ta”与Tb'两个曲线数据在每个对应位置的数据差值，所得到数据差值按顺序组成差值数组d，令minv等于差值数组d中的最小值，然后将差值数组d中的每个元素的值均减去minv，最后将差值数组d放入差值数组集合ALL中，然后进入步骤E6；

假设两组曲线数据序列分别为Ta”＝{Ta1”,Ta2”,Ta3”，...，Tai”}和Tb'＝{Tb1',Tb2',Tb3',...，Tbi'}；计算两个曲线数据序列的差值，得到差值数组d，d＝{|Ta1”‑Tb1'|,|Ta2”‑Tb2'|,|Ta3”‑Tb3'|,...，|Tai”‑Tbi'|}；令minv等于差值数组d中的最小值，最后d＝{|Ta1”‑Tb1'|‑minv,|Ta2”‑Tb2'|‑minv,|Ta3”‑Tb3'|‑minv,...|Tai”‑Tbi'|‑minv}；

E3：令P7为起点，初始时P7等于Ta”的首端点；在Ta”中从起点P7开始，将Tb'数组的首端点位置与P7对齐，计算Ta”与Tb'每个对应位置的数据差值，直至Tb'数组中的数据全部完成数据差值计算，将所得到的数据差值按顺序组成差值数组d'，令minv'等于差值数组d'中的最小值，然后将差值数组d'中的每个元素的值均减去minv'，然后将差值数组d'放入集合S中，然后进入步骤E4；

E4：以1像素为步幅，将P7在Ta”中向后滑动，重复步骤E3，将Tb'数组的首端点位置与P7对齐并计算Ta”与Tb'的差值数组d'，令minv'等于差值数组d'中的最小值，然后将差值数组d'中的每个元素的值均减去minv'，然后将差值数组d'放入集合S中，然后进入步骤E5；

E5：重复步骤E4，直到Ta”数组的终点与Tb'数组的尾端点的当前位置相同，最终得到Ta”与Tb'的所有差值数组所组成的集合S，将S放入集合ALL中，然后进入步骤E6；

E6：重复步骤E1至E5，计算集合TS中的下一个曲线数据Ta”与Tb'的新的差值数组集合S，将S放入集合ALL中，直至遍历完成TS中的所有边缘曲线数据；最终得到TS中的每个边缘曲线数据Ta”与Tb'的所有差值数组集合所组成的差值数组集合ALL，然后进入步骤F。

7.根据权利要求1所述的基于时间序列相似性计算的甲骨残片缀合方法，其特征在于：

所述的步骤F中，通过最大数据差值方法计算Ta和Tb的最大相似度H，具体计算方法如下：

F11：对于步骤E中得到的差值数组集合ALL中对每个差值数组，计算该数组的最大值m1，并将m1放入集合M中，令ma等于M中的最小值；

F12：利用公式 计算得到Ta和Tb的相似度H；其中，ma越小，H越接近1，ma越大，H越接近于0。