基于Mat lab GUI碎纸机破碎文档的恢复.docVIP

基于Mat lab GUI碎纸机破碎文档的恢复 　　1概述 　　破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。传统上，拼接复原作需由人完成，准确率较高，但效率很低。特别是，当碎纸片数量巨大，人拼接很难在短时间内完成一代. 　　随着计算机技术的发展，人们试图开发碎纸片的自动拼接技术，以提高拼接复原效率。文章基于Mat lab GU1对破碎文档(既纵切又横切)的复原实现人机互动，并给出厂提高文档复原效率的方法。 　　2图像采样 　　图像采样就是按照图像空间的坐标测量该坐标测量该位置上像素的灰度值方法如下:对连续的进行等间隔采样，在平面上，将图像均分成均匀的小网格，4个小网格的位置可以用整数坐标表示，于是采样值就对应于一个Man数字矩阵。这样就获得厂数字图像中关于像素的两个属性:位置和灰度。位置由采样点的两个坐标确定，也就对应网格行和列;灰度表明该像素的明暗程度。Malta读人图像的函数为misread(filename,forn}at)文章沦的碎片图像格式为bmp的8位灰度图像，每一像素的取值范围为0255。 　　3结束语 　　(1)文章通过连续性薄膜理沦推导出一向张力索网自由振动的动力学方程，并采用分离变量法求出其固有频率及对应的固有振型的解析表达式。用1NSY5仿真计算及试验结果与理沦解进行比较，结果都非常的接近。这一理论结果对以后研究张力索网的强迫振动响应分析提供重要的参考。(2)文章中未考虑非线性囚素影响，张力索网是柔性体，大变形易产牛儿何非线性项的影响。张力索网在振动过程中索力是小断变化的，从导致其刚度变化，是属于非线性硬化刚度体系，其频率会随着振幅增大征的像素需要恰到好处地提取。文字的笔画有粗细之分，由此，不考虑笔画的粗细，文字的轮廓更能体现碎片的特征。运用边缘检测的方法.实现对文字轮廓的确定。 　　其中相似度的计算:根据一个中点的平均值(被看作簇的心)来进行。聚类算法的描述和处理流程如下:K-means用于划分的均值算法，4个簇的中点用簇中对象的均值表示，婆输人为簇的数目和包含个对象的数据集，输出为个簇的携合，使得平方误差准则最小。原理如下: 　　(1)首先为4个聚类确定一个初始聚类中心，这样就有聚类中心; 　　(2)将样本集中的样本按照最小距离原则分配到最r近聚类; 　　(3)使用甸个聚类中的样本均值作为新的聚类中心; 　　(4)E复步骤（2）和（3）直到聚类中心不再变化; 　　(5)结束，得到聚类。 　　将样本分配到距离他们最近的中心向量，式中，E是数据集中所有对象的平方误差和;1是数据对象，章表示给定对象的像素特征值;m是C的均值((1和m都是多维)表示n与m之间的度量通过求这个目标函数E的最小泊来试图使生成的结果尽可能地紧凑和独立。 　　对于度量，形象地说就是我们主要考虑的样本间的差异。在委据分析和数据挖掘的过程中，我们经常需要知道个体间差异的乡小，进而评价个体的相似性和类别。我们要比较个体和个体的差异，它们都包含了n个维的特征，如下儿种距离主要衡量两者的差异，其中越小，即丰本之间的距离越小，样本越相似，差异度越小;反之，越大欧儿里得距离又称汉明距离;余弦距离。 　　4碎片匹配 　　根据碎片邻接原理以及图片格式的性质，我们给出了如下又理:定理1.假设a，和a=分别为“.bmp”图片格式两碎纸片的矩h,为a,最右侧列，s=为a=的最左侧列，如果a，与a=为邻主碎纸片(a，为左边，a,为右边)的必要条件为:如果非边缘第m个点，为黑色(值为0)，则s=中的第1个位置中必然存在不为白色的点(值255);同理:如果)时s=处非边缘的第n个点，黑色(值为0)，则s，中的第1个位置中必然存在不为白色的点(值255)，明中格戎布彦值0255，囚为这是图象匹配的必要杀件，即小满足这个杀件必足小能匹配，满足条件为可能匹配的碎纸片。假设满足条件中的碎纸片矩阵集合，则如果i=1，则这一个唯一确定的匹配。如果igt; 1，则需要人工干预，找出匹配度最高的碎纸片，定理2.假设a，和a=分别为“.bmp”图片格式两碎纸片的矩阵,最右侧列，s,为a,的最左侧列，定义绝对值差异度。 　　5碎片拼接Mat lab GU1软件包 XaNlA 　　运用前面三节的内容，我们设计了碎片拼接Mat lab GU1软件包，根据聚类分析K均值距离公式的不同，我们设计了如下参数设置界面。