基于动态聚类的文档碎纸片自动拼接算法

针对碎纸机三种碎纸模式进行拼接复原,提出了一种基于动态聚类的文档碎纸片自动拼接算法,定义了匹配度矩阵计算两块碎片最合理的拼接方式,设计了一种基于碎纸片特征向量的动态聚类行聚类算法进行行初步聚类,根据文字特征线及计算出的行距对初步聚类进行了调整修正,确定最终的行分类及行间顺序,根据提出的动态四邻近匹配算法,匹配出复原结果。实验表明,该方法实现简单,成功率高,能快速得到碎纸片的三种碎纸模式的拼接复原结果。     

MATLAB数字图像拼接的实现

利用MATLAB数字图像处理软件,针对破裂的图片,围绕图像拼接的基本流程,完成了图像边界矩阵的提取、图像二值化处理、图像的拼接三方面的研究内容,根据破碎图片边缘的图像特征,构造边界矩阵,在众多碎片中,找到相邻的碎片,最终实现了图片的拼接。该方法效率高,易操作,实用性强。     

基于特征聚类的大视差图像拼接算法

针对大视差图像拼接过程中出现的错位、重影等问题,提出一种基于特征聚类的图像拼接算法.首先,以已匹配的特征点分布为依据在目标图像重叠区域构造泰森多边形.然后使用改进的AG-N ES层次聚类算法对特征点聚类,合并对应组内特征点所代表的泰森多边形,得到目标图像重叠区域的各个子平面.最后,求解对应子平面的单应性矩阵,并采取就近...     

基于聚类优化模型的碎纸自动拼接方法研究

碎纸自动拼接算法是计算机图形图像应用的一个热点领域。对于碎纸拼接主要由计算机图像预处理、图形图像特征提取和图像匹配三个过程组成。针对中文内容碎纸和英文内容碎纸的区别,给出了两种不同的图像特征提取方法。首先建立聚类模型对碎纸图像中提取的图像特征值进行K-mean聚类得到属于同一行的碎片集合;然后建立旅行商优化数学模型,以拼接方案特征值误差平方和最小为目标函数,实现同一行碎片集合的排序,形成完整一行的图像;最后利用优化数学模型实现不同行图像的排序。实验结果显示:该拼接算法可以给出准确的拼接方案,且求解迅速,无需进行人工干预,实现真正的全自动拼接。     

噪声水平不一致性的图像拼接区域检测方法

针对图像拼接篡改检测与篡改定位技术进行研究,提出了一种噪声水平不一致性的图像拼接篡改定位方法.该方法利用改进的拉普拉斯算子对噪声具有双倍加强作用的特点,结合奇异值分解,提取非重叠图像块的局部图像梯度矩阵和噪声特征,然后利用基于聚类的阈值算法,对得到的特征进行分类并定位出篡改区域.与现有的基于噪声的图像拼接区域检测方法相比,所提出的方法不仅能够检测拼篡改区域,而且当拼接区域与原始区域之间的噪声差异较小时依然有效,并且对于内容保持的图像处理操作如JPEG压缩、高斯模糊、伽玛校正、下采样等是鲁棒的.     

基于手持相机的文档图像拼接算法

为了把手持相机拍摄的多幅文档图像拼接成一幅大的图像,提出了一种基于全局对准模型的文档图像拼接算法。该算法首先通过估计文档图像的消隐点坐标来校正透视失真,使相邻图像的几何关系可以用仿射变换表示;然后采用随机采样方法调整特征点之间的距离,使其尽可能均匀地分布在整个重叠区域内;接着利用所有重叠图像对的局部对准约束通过建立文档图像拼接的全局对准模型来有效地消除误差积累;最后利用二值函数对图像进行剪切,以减小重叠区内的对准误差。实验结果表明,该方法无需事先标定摄像机的内外参数和限制相机的位置,不仅具有较高的对准精度,且可有效地拼接手持相机拍摄的各种文档图像。     

面向青花瓷碎片图像的U-Net++拼接网络

针对现有图像拼接方法存在拼接处伪影以及非重叠区域内容失真,导致较低的准确性和鲁棒性的问题,提出一种基于U-Net++消除伪影的青花瓷碎片图像拼接方法.首先估计待拼接图像单应性矩阵;然后将单应性矩阵应用于结构拼接阶段,得到图像粗拼接结果;最后以图像粗拼接结果作为先验信息,在内容校正阶段改进现有的U-Net,利用U-Net++细化粗拼接结果,得到最终图像精确拼接.以青花瓷碎片图像数据集与相关经典方法进行实验的结果表明,在3个评价指标中,所提方法的峰值信噪比提高约13%,均方根误差降低约33%,均方误差降低57%左右;该方法具有较小的误差比,不仅能够提高图像拼接质量,而且表现出较好的鲁棒性.     

基于角边特征的纸质碎片自动拼接复原算法

针对人工复原纸质文物碎片存在尝试次数多、拼接速度慢、复原准确性与完成度低等问题，提出一种依据碎片角度与边长特征进行纸质文物碎片自动拼接复原的算法。首先，将碎片图像进行预处理并根据碎片的角度值进行粗匹配，得到角度值相等的碎片图像；然后，在粗匹配的基础上，利用碎片的角边长进行细匹配减少重叠情况，得到碎片图像的基本匹配结果；最后，利用凹凸函数对方向相对的碎片图像情况进行遗漏弥补，并运用震荡函数对最终匹配图像进行缝隙弥补得到完整拼接结果。理论分析和碎片拼接仿真实验结果表明，与特征点、近似多边形拟合、角序列匹配等碎片自动拼接算法相比，所提算法的拼接准确率、拼接完成度与拼接耗时分别至少提高了12个百分点、11个百分点与10个百分点。所提基于角边特征的碎片拼接算法减少了繁琐的图像计算步骤，精确了碎片匹配结果，使得在实际文物修复等工程中能够实现非规则碎片高效、高精准的匹配。     

基于不变矩相似度的快速图像拼接

针对图像拼接中普遍存在的效率低和误匹配等问题,提出了一种基于不变矩相似度的快速拼接方法。首先利用不变矩相似度准则,预估输入图像的重叠区域,然后采用SIFT算法进行特征点检测和匹配,减少了不必要的特征提取和误匹配。利用稳健的RANSAC算法实现特征点提纯并计算单应性矩阵。最后,针对带运动目标的动态场景融合后易出现鬼影的现象,提出一种改进的分段线性加权融合算法以消除拼接鬼影。     

特征点聚类高精度视差图像拼接

目的 针对不同视点下具有视差的待拼接图像中,特征点筛选存在漏检率高和配准精度低的问题,提出了一种基于特征点平面相似性聚类的图像拼接算法。方法 根据相同平面特征点符合同一变换的特点,计算特征点间的相似性度量,利用凝聚层次聚类把特征点划分为不同平面,筛选误匹配点。将图像划分为相等大小的网格,利用特征点与网格平面信息计算每个特征点的权重,通过带权重线性变换计算网格的局部单应变换矩阵。最后利用多频率融合方法融合配准图像。结果 在20个不同场景图像数据上进行特征点筛选比较实验,随机抽样一致性（random sample consensus, RANSAC）算法的平均误筛选个数为30,平均误匹配个数为8,而本文方法的平均误筛选个数为3,平均误匹配个数为2。对20个不同场景的多视角图像,本文方法与AutoStitch（automatic stitching）、APAP（as projective as possible）和AANAP（adaptive as-natural-as-possible）等3种算法进行了图像拼接比较实验,本文算法相比性能第2的算法,峰值信噪比（peak signal to noise ratio,PSNR）平均提高了8.7%,结构相似性（structural similarity,SSIM）平均提高了9.6%。结论 由本文提出的基于特征点平面相似性聚类的图像拼接算法处理后的图像保留了更多的特征点,因此提高了配准精度,能够取得更好的拼接效果。     

基于聚类的Web用户会话识别优化方法

会话识别是用户访问行为分析的基础和关键工作,其质量对于识别和发现用户的信息需求具有决定性的影响。目前常用的是基于时间阈值的切分方法,但是该方法存在的主要问题是针对不同用户时间阈值难以准确地确定。提出了一种新的基于聚类技术的会话识别优化方法,首先建立了基于聚类的会话识别优化模型,然后采用改进的K-means算法进行会话识别。实验结果表明该方法与传统方法相比具有较好的效果。     

基于特征匹配的关联投影纹理映射

在虚拟现实场景中,动态现实的重建过程尤为复杂,一般需要大量包含现实信息的图像进行整合。这些图像大部分都与其中一张或多张图像存在着公共区域,本文提出基于特征匹配的关联投影映射方法,根据这些公共区域,通过SIFT特征匹配提取图像之间的关联特性,利用此关联构造视图变换矩阵进行新的投影纹理映射。实验结果表明,这种方法稳定有效,并在重建动态现实中具有良好的应用效果。      

面向时间序列事件的动态矩阵聚类方法

时间序列事件聚类是研究事件分类及挖掘分析的基础。现有聚类方法多直接针对具有时间属性且结构复杂的持续事件聚类,未考虑聚类对象的转化,聚类准确性低且效率差。针对这些问题,提出一种面向时间序列事件的动态矩阵聚类方法RDMC。首先,构建事件近邻评价体系,根据评价值优劣衡量事件的代表性,通过近邻评分的后向差分计算策略构建RDS候选集;其次,提出基于组合优化的RDS选取方法,从候选集上快速得到RDS最优解;最后,动态构建RDS与数据集的距离矩阵,提出基于K-means的矩阵聚类方法,实现时间序列事件所属类别的有效划分。实验表明,相比现有方法,所提方法在聚类准确率、聚类可靠性、聚类效率等方面具有明显优势。     

遥感图像变化区域的无监督压缩感知

传统的基于结构特征的遥感图像变化检测方法,易受成像稳定性的影响而误差很大。针对图像内在的稀疏性结构信息,提出基于压缩感知(CS)的遥感图像变化检测方法。通过自适应构造超完备字典将图像局部信息投影到高维空间中,实现图像的稀疏表示,并运用随机矩阵得到了数据在高维空间中的低维特征子空间。最后利用模糊C均值(FCM)聚类算法进行无监督聚类,实现遥感图像变化区域信息的重构。实验结果表明,本文方法不仅能够很好的检测出图像的轮廓变化和图像的区域变化,而且对噪声具有很好的鲁棒性。     

一种基于数据融合的电能耗奖惩系统

提出了一种基于数据融合的电能耗奖惩系统。该系统采用灰色系统方法建立GM（1,1）预测模型对历史数据缺失值进行补救,并引入聚类融合方法,定义了欧式距离矩阵,通过最小距离聚类方法确定各传感器之间的融合次序,提高融合结果的客观性。以融合后的数据为基础确定用电单耗定额后,采用引入分级奖惩制度的电能耗奖惩模型对企业各车问进行节奖超罚。工程应用结果表明该系统实用性强,可靠性高。     

基于t-SNE的脑网络状态观测矩阵降维方法研究

针对基于功能核磁共振重构的脑网络状态观测矩阵维数过高和无特征的特点,对其降维方法展开研究,给出了基于t-SNE的脑网络状态观测矩阵降维算法,并且利用Python实现了降维及可视化平台。实验结果表明,与目前主流的其他降维算法相比较,使用该方法得到的脑网络状态观测矩阵低维空间的映射点有明显的聚类表现,并且在多个样本上的降维结果显现出一定的规律性,从而证明了该算法的有效性和普适性。     

基于多维伪F统计量的基因序列图形动态聚类研究

利用动态调整聚类个数的思想,在模糊C-均值聚类算法基础上引入基于多维PFS判别函数,提出一种基于多维伪F统计量的基因表达动态C-均值聚类算法.以H5N1病毒基因序列数字特征提取为例,在聚类分析过程中直接利用数字特征矩阵作为分析数据,结果表明该算法可以动态调整聚类个数,给出最佳聚类数目,从而获得较好的聚类质量.     

基于自适应滤波的视频序列超分辨率重建

针对视频序列的超分辨率重建,提出了一种动态自适应滤波方法.在最大后验概率估计和加权最小二乘的基础上,给出视频序列超分辨率重建数学模型;深入研究了运动补偿矩阵和权值矩阵的构成和性质;详细推导了自适应滤波器的递推公式;分析了算法的存储与计算复杂度.仿真实验表明该算法的重建结果相当有效,相比双三次插值和无运动补偿的单帧迭代重建,可以获得一定的PSNR增益;与Elad滤波方法相比,具有更小的计算量和更强的自适应性和鲁棒性.     

基于图论的语义Web服务聚类方法

提出一种基于图论的聚类方法,用于在语义Web服务类别数量未知的情况下实现领域服务分类。通过计算待分类服务的相似度矩阵,得到相似度阈值,将相似度矩阵中超过该阈值的元素置为1,其余元素置为0,由此得到服务连接矩阵,再以该矩阵为图,逐个提取其中的最大完全子图,每个子图的节点服务就是一个服务类。理论分析与实验结果证明,该方法可以通过一次聚类得到服务的自然分群,聚类时间较短。