开题报告-基于图像处理的碎片拼接.docVIP

选题的依据及意义： 选题依据 图像处理，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容 图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。 其中：当x1x2时，a=-1,，否则a=1；当y1y2时，b=-1，否则b=1。 经过实验，利用各点与其相差6个点的轮廓点之间的关系来对轮廓进行表示时，效果最好。实际应用时，在预处理阶段，由于轮廓曲线上各点的坐标都依次存入数组contour中，在进行轮廓表示时，只要根据下标依次对该对数组中的点进行表示就行了。例如，若当前需要进行表示的点下标为i，由于轮廓曲线是闭合的，若i+6point_nu m，则与其相差6个点的轮廓点的下标J=i+6-point_nu m；否则J=i+6。在完成此步骤后，轮廓上每一点都将对应一个或正或负的整数表示。 碎片分为规则碎片和不规则碎片及半规则碎片，所谓规则碎片即为碎片与碎片间的接触面均为直线如图1（a）所示，不规则碎片是指存在碎片的接触边界为非直线的情况如图1（b）所示。 对于规则碎片算法复杂度相对较低，只需考虑边界的长度以及角度，然后依据边界和角点的特点进行碎片匹配。 规则碎片匹配原理：相邻碎片共用一条边界，所以碎片边界的每一条边界的长度会是其它碎片的一条边界，或多条边界的长度之和。只需要将符合条件的边界进行匹配，然后再根据碎片的角度进行排列，得到最优的碎片匹配序列如图2所示。 图2 规则碎片的边界和角度处理 对于非规则的碎片匹配如图3，需要依据每个碎片的边界和角点的特点，建立每个碎片的特征值序列，存在的问题即为起始点的寻找，将图像远点作为起始点。 图3 非规则碎片 重点是将元素的值与其上下左右的值加和得到新的值，重复运算，得到唯一最大值。远点是在寻找重点时得到的数值最小的唯一值的点像素的位置。 图4 重点和远点的求解算法图解 算法过程如图4所示。 Step1 图像元素存储到二维数组a中。 Step2 将元素本身的值与其上下左右数值的加和作为自身的值，循环将所有本身不为0的元素都进行相同的运算，得到新的二维数组。 Step3 对新的二维数组b进行查找，判断最大值、最小值是否唯一。 Step4 若唯一则返回最大值及最小值的下标。最大值的坐标即是重点，最小值的点即为远点。若不唯一则执行Step2操作。 b[i][j]=a[i][j]+a[i-1][j]+a[i][j-1]+a[i+1][j]+a[i][j+1]； 其中a[i][j]表示二值图像的存储矩阵，b[i][j]表示加和后的新的数组，i表示行，j表示列。 重点和远点找到后就可以对碎片进行特征序列的提取，主要包括边界特征提取，角度特征提取。将从1号角点开始连线到3号角点，每次跳到一个角点依次连接，直到没有剩余的角点。用最后一条边将两个末端角点连接。构成一个闭合的图形，图形提取后，便可以进行几何图形匹配，相邻碎片的轮廓图形如图5是吻合或者部分吻合的。 图5 非规则碎片的边界特征提取 根据角度排成某一序列（只考虑小于180度的角，对于大雨180度的角需要取其补角作为计算值）如图6所示，将远点的角作为初始角点，将每个碎片轮廓图形的角度按顺时针排列，组成一个大的集合，在集合中寻找最长公共子序列，便能达到寻找最优匹配的结果。 图6 非规则碎片的角点特征提取 轮廓匹配算法的核心是最长近似值公共子序列的求解。例如下列碎片： 碎片1 : 135 45 45 50 75 40 145 碎片2 ： 45 45 45 50 115 40 35 根据上述算法思想可以对碎片1和碎片2进行匹配，判读角度是否相等或者互为补角，为了实现算法的最低复杂度，匹配原则是以角度个数少的元素去匹配角度个数多的元素，即为子序列短的碎片匹配子序列长的碎片。 研究目标、主要特色及工作进度： 研究目标： 对二维图像碎片的自动拼接问题进行研究，介绍图像碎片预处理及图像碎片拼合的理论和技术，重点研究图像碎片拼接的核心问题图像碎片匹配算法。 主要特色： 借助计算机把大量的不规则的图像碎片重新拼接成初始图像的完整模型。为了从成千上万的图像碎片中找到相互邻接的图像碎片，并最终拼接成完整的模型，提出一种基于角序列的二维图像碎片轮廓匹配算法，用于获得图像碎片最可能的拼接结果，并将该算法与多尺度空间结合，提高计算效率。 工作进度： 2013年11月 -12月 进行相关资料收集、完成开题报告； 2014年 1 月 - 2月 展开研究工作； 2014