碎纸片的复原拼接.docVIP

碎纸片的拼接复原 摘要 本文通过matlab软件对碎片进行分析和预处理，然后用边缘像素匹配、Harris算法、NCC算法、随机抽样一致性算法建立模型，通过matlab求解，得到相应的碎片匹配编号和复原后的图像。 针对问题一：对附件1中的中文碎片，我们建立了基于边缘像素匹配的模型。首先对碎片做分析和预处理，提取碎片的边缘像素。比较左边碎片的右边缘和右边碎片的左边缘的像素相似度，分别找出000到018编号相匹配的右碎片。把对应编号制成表2，然后用imshow绘制出复合后的图像1。 对附件2中的英文碎片，我们建立了基于边缘像素匹配的半自动模型。运用中文碎片的算法求解本文题时，出现了不匹配的现象，人工干预挑出不匹配的碎片，重新运用像素相似度的次大值进行匹配，最后得到匹配编号表8和复合图像2。 针对问题二：我们建立了改进的边缘像素匹配模型。采用和附件2相似的算法，首先对附件3中的209张碎片，按照边缘像素相似度匹配，进行左右拼接，得到11张新的碎片1~11.jpg。然后对这11张碎片进行上下拼接。得到匹配编号表9、10和复合图像3、4。 针对问题三：我们建立了基于特征点匹配的图像拼接模型。首先用Harris角点检测算法,提取图片的特征点，然后利用NCC算法，通过用双向最大相关系数匹配的方法提取出初始特征点对,再用RANSAC剔除伪特征点对,实现特征点对的精确匹配。最后用正确的特征点匹配对实现图像的配准。最后得到匹配编号表10、11和图像5a,图像5b。 关键词：图片预处理 边缘像素匹配 Harris角点检测 NCC匹配算法 RANSAC算法 问题重述 破碎文件的拼接在司法物证复原、历史文献修复获取等领域都有重要的应用。传统上，复原工作需由人工完成，准确率较高，但效率很低。特别是当碎片数量巨大，人工拼接很难在短时间内完成任务。随着计算机技术的发展，人们试图开发碎纸的自动拼接技术，以提高拼接效率。对于给定的来自同一页的片（仅纵切），建立碎纸拼接算法，并针对附件1给出的数据进行复原对于碎纸机纵切横切的情形，模型和算法，并针对附件给出的数据进行复原。从现实出发，模型与算法：相关窗的归一化互相关系数 ：参考图像 ：待配准图像 ：：：：数据集：具有一定关系：：： 008 014 012 015 003 010 002 016 001 004 005 009 013 018 011 007 017 000 006 1.2 附件2英文碎片拼接模型 1.2.1问题分析 在本问题中，通过人工干预选出左边起始的碎片为003，然后按照上述方法，进行边缘像素相似匹配。求解过程中发现程序5在匹配英文纸片时有缺陷。由于英文字体的特征，存在相似度值相等或次大的碎片能成功匹配的情况。又因为英文文字的局部分布密度比较小，所以利用相似度最大来进行2张碎片拼接将不完全适用于此问题，改进程序5，建立了半自动化的匹配模型。 针对本问题编写程序（见附录程序6），将附件2的19张碎片导入到MATLAB工作区中，编写程序7（见附录）计算两张碎片边缘像素相似度，多次调用程序7，即可得到左边一张碎片与剩余其他18张碎片的18个相似度值，先取最大相似度值对应的碎片编号（调用程序7中运行得到的num最大值所在的位置即是编号，如第5个位置，则表示碎片编号005），人工干预判别出匹配与不匹配的相似对，对匹配不成功的碎片，重新调用程序7，进行次最大相似度匹配，最终得到碎片的匹配结果。 1.2.2模型求解过程 （1）利用imread()将附件2的19张碎片导入到MATLAB工作区中，见附录程序6。 （2）用MATLAB调用附录中的程序7，计算待匹配碎片的右边缘与其他18个碎片的左边缘的像素相似度，找出最大相似度对应的碎片编号。多次调用程序7，方可得到与000-018碎片像素相似度最大的右边碎片编号，结果出现不匹配现象，见表3。 表3 左右边碎片拼接结果 左边碎片的编号 程序匹配右边碎片的编号 肉眼拼接验证 干预时间 000 005 匹配 10s 001 009 匹配 10s 002 003 不匹配 10s 003 006 匹配 10s 004 003 不匹配 10s 005 001 匹配 10s 006 002 匹配 10s 007 015 匹配 10s 008 012 匹配 10s 009 013 匹配 10s 010 008 匹配 10s 011 003 不匹配 10s 012 014 匹配 10s 013 003 不匹配 10s 014 017 匹配 10s 015 018 匹配 10s 016 004 匹配 10s 017 016 匹配 10s 018 011 匹配 10s （3）从表3中取出4个不匹配