基于特征点匹配双面碎纸片自动拼接复原

《基于特征点匹配双面碎纸片自动拼接复原》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于特征点匹配双面碎纸片自动拼接复原摘要：本文以2013年全国数学建模竞赛B题为背景,主要研究双面打印碎纸片的拼接复原问题。利用特征点匹配的图像拼接算法，绘出了基于特征点的图像拼接流程图；根据图像拼接流程图建立了特征点检测算法Moravec角点检测算法模型，通过计算各像素的兴趣值、选择恰当的特征点、候选点，分析运算得到了附件5的碎纸片拼接复原结果。关键词：拼接复原特征点匹配Moravec角点检测1研究背景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，拼接复原工作需由人工完成，准确率较高，但效率很低

2、。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。本文利用数学建模，借助MATLAB.SPSS软件研究试图双面打印文件碎纸片的自动拼接复原，以提高拼接复原效率。2数据提取利用题目给的为碎纸片的图片，先使用MATLAB软件读入图片，把图片特征位置信息转换为数字矩阵。MATLAB函数为：imreadname'）。3问题求解3.1Moravec角点检测模型的建立由于双面打印文件中碎片数量众多，利用图片边缘灰度矩阵进行匹配时会产生庞大的数据，实际操作过程中进行人工干预会产生很大误差。本文采用基于特征点的图片拼接模型，并取各矩阵的角点为特征点。

3、图像拼接的质量主要依赖于图像配准的程度，因此图像的配准是拼接算法的核心和关键。算法的总体思想是既要保证配准的精度，又要保证计算量不要过大。基于特征点匹配的图像拼接算法包括：特征点检测、特征点匹配、空间变换、图像融合。下图1是基于特征点的图像拼接流程图。用特征来建立两幅图像之间的匹配对应关系，所以提取好的特征是特征匹配的关键，那么选择高精度的提取方法至关重要。特征提取的难点在于自动、稳定、一致性的特征提取。特征点中主要的一类是角点，本文采用的是Moravec角点检测算法。Moravec角点检测算法的基本思想是，以像素的四个主要方向上最小灰度方

4、差表示该像素与邻近像素的灰度变化情况，即像素的兴趣值，然后在图像的局部选择具有最大兴趣值的点（灰度变化明显的点）作为特征点。具体算法如下：STEP1：计算各像素的兴趣值IV（interestvalue）,例如计算像素（c,r）的兴趣值，先在以像素（c,r）为中心的nXn的图像窗口中（如图2所示5X5的窗口）计算四个主要方向相邻像素灰度差的平方和：STEP2:根据给定的阈值，选择兴趣值大于该阈值的点作为特征点的候选点。阈值的选择应以候选点中包括所需要的主要特征点，而又不含过多的非特征点为原则。STEP3:在候选点中选取局部极大值点作为需要的特

5、征点。在一定大小的窗口内（可不同于兴趣值计算窗口），去掉所有不是最大兴趣值的候选点，只保留最大兴趣值的候选点，该候选点即为一个特征点。3.2拼接复原结果将处理后各组数据带入特征点检测算法模型可得即得到附件中各图片之间的匹配顺序。3.2.1a面碎纸片拼接复原结果附件中a面碎纸片复原顺序如表lo3.2.2b面碎纸片拼接复原结果附件中b面碎纸片复原顺序如表2o3.2.3a、b面碎纸片拼接复原图（如图3）3.3模型评价双面打印图片进行匹配复杂，利用图片边缘灰度值矩阵或聚类分析进行匹配时会产生庞大的数据，实际操作过程中进行人工干预产生误差太大。采用基

6、于特征点检测算法模型中Moravec角点检测算法，优点是：①复原准确率高；②自动化程度高，即人工干预量小；③通用性好，尽可能适用多种分割模式下的碎片。本文在一定意义下得到的结果比较精确。若碎纸片有效特征能进一步提取，既有边界的像素分布信息、匹配信息、又可利用非边界区域的文字结构及拓扑信息，行列信息，字体字号，标点符号等，建立正误判别自动化程序。则依次程序进行拼接复原时，拼接结果可以大大提高精确度并能减少用时。参考文献：[1]贾海燕，碎纸自动拼接关联技术研究[D].国防科技大学，2005.[2]云舟工作室，MATLAB数学建模基础教程[M].

7、北京：人民邮电出版社，2001.[3]姜启源等，数学实验[M].高等教育出版社，1999.基金项目：海口经济学院教育教学改革研究项目（hjyj2012001）o作者简介：杨伟芳（1979-）,女，海南东方人，讲师，教师，研究方向：图论；王锦升（1984-）,男，山东枣庄人,讲师，教师，研究方向：小波分析与偏微分方程数值计算。