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。     

基于MATLAB规则碎纸片拼接复原方法的研究及实现

分析了规则碎纸片的特征及纸片中文字行的特征,提出了针对不同规则碎纸片的全自动和半自动拼接算法。并用MATLAB语言进行了程序编写,对碎纸进行了复原拼接,经试验验证拼接效果良好,方法准确、便捷、可行。     

一种基于灰度值矩阵的文档复原方法研究*

对于切碎英文文档自动拼接还原中无法利用碎纸片几何形状特征的问题, 提出一种基于灰度值矩阵的文档碎片拼接方法。利用碎片图像的特征向量消除同行字母处于不同高度的负影响, 提取其特征位置作为动态聚类的分类标准,依据文本行特征进行动态聚类和类间排序。设计了一种基于原图像碎片边界矩阵的四邻拼接算法进行逐一高效地拼接还原。仿真结果表明, 该方法准确率较高且操作简便, 对规则碎片拼接还原具有良好的实际意义。     

基于相关矩阵的纵向碎纸拼接方法

由于碎纸机的使用,伴随出现了对碎纸拼接的需要。为了使得拼接更加简便、快捷,本文采用以线性代数中相关矩阵为核心的碎纸拼接算法,对单面打印的规则型碎纸进行自动拼接复原。首先将图像信息转化为像素矩阵,然后根据文字的形状特征以及连续性,计算所有碎片的边缘像素矩阵的相关度,从而得到一个相关矩阵。通过对相关矩阵中每一列的相关度进行比较,得到相关度最高的一张碎片进行拼接。经过实例研究验证后,该算法简洁可行,比较精确。     

基于信息丰富度的切碎中文文档自动拼接复原

针对切碎中文文档的自动拼接复原中无法利用碎纸片形状特征的问题,提出一种基于内容信息丰富度的拼接算法.首先分析了基于汉字内容的碎纸片特征表达方式;在此基础上,提出从横纵2个方面进行碎纸片特征匹配度估计的方法;最后采用信息丰富度确定拼接次序,逐一高效地完成碎纸片的拼接.基于不同碎纸片数量的匹配实验结果表明,相对于传统方法,横纵特征匹配度估计方法分别提高了约4.73%,3.76%的准确度;自动拼接复原实验结果表明,相对于传统算法,基于信息丰富度拼接算法的错误率下降约18%,并大大降低了时间复杂度.     

英文字母特征的双面碎纸拼接

目的 结合图像处理技术和英文字母特征,提出一种基于聚类和全局优化的双面碎纸拼接复原算法.方法 利用图像处理技术,消除同行字母的处于不同高度部分.再分别基于处理前后的碎纸片,分别提出碎片与行之间匹配程度以及刻画相邻碎片两两匹配的特征参数(像素差与相关系数).利用上述两特征参数,将问题转化为两个子优化问题:子问题1,基于像素差的最大值最小目标,建立全局最优聚类模型,确定所有碎片的行分类;子问题2,将同一行中相邻碎片的匹配问题转化为旅行商问题(TSP),并基于相关系数对每一行建立全局优化模型.结果 仿真实验结果表明,图像处理技术能有效地消除同行字母处于不同高度的负影响.同时,获取的两个特征参数能很好地刻画碎片之间的匹配,复原准确率达到90％以上.结论 实验结果表明,该算法能保证高复原率且降低复杂度,对碎纸机碎纸拼接复原具有良好的实际意义.     

基于边缘灰度匹配的文档碎纸片拼接

随着科学技术的发展,人们试图开发碎纸片的自动拼接技术来提高效率。来自同一页纵切破碎纸片,为求出拼接算法应将各图片的特征转化为数字形式,如此将两侧的像素值提取出来进行匹配。本文首先利用灰度矩阵提取出边缘像素的位置,然后阈值分割并进行列向量特征匹配,最后根据确定的算法得出两两碎片的相似度函数并形成"环",循环后从"环"切开得出碎片的完整拼接结果。实验结果表明,该算法简单可行,可以达到规则碎纸片完整拼接的目的。     

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。     

基于遗传算法的碎纸片自动拼接模型的实现

高效、准确地完成碎纸片的拼接在很多领域有重要的价值。本文建立了一种基于遗传算法的无色彩、规则碎纸片拼接复原模型,该模型以灰度预测值为运算对象,模型中优秀个体保护更好地体现了算法的优胜劣汰原则。通过实验取得了较好的结果,证明了该方法的可行性。     

基于边缘匹配的纵向碎纸拼接方法

详细阐述针对规则纵切的碎纸片的一种恢复方法。该算法先将图像转码为对应的像素矩阵，并且将矩阵二值化处理。接着根据文字笔画的连续性计算碎纸边缘信息的匹配度矩阵，再根据文本间的连续性，计算出碎纸片之间的相似度矩阵。最后结合匹配度矩阵与相似度矩阵的信息，当以某张进行匹配时，其相应的下一张是既高度符合匹配度矩阵又高度符合相似度矩阵的，从而实现对碎纸的拼接复原。经过碎纸拼接试验验证，效果良好，方法准确便捷，是可行的。     

改进的深度卷积网络及在碎纸片拼接中的应用

近年来,深度卷积网络在图像识别、语音识别和自然语言处理等领域广泛使用,取得了很好的效果。为解决全部样本均为无标签数据的分类问题,对深度卷积神经网络进行了改进,采用卷积自动编码器学习输入样本的特征,用k-均值聚类器代替深度卷积网络中的分类器,建立了改进的深度卷积网络结构,给出了相应的学习算法,将其用于解决碎纸片拼接问题。实验表明,该方法有效可行,提高了碎纸片拼接的准确性和鲁棒性。     

边界重叠图象的一种快速拼接算法

针对边界部分有重叠的图象,提出了一种基于网络的快速对准算法,并通过平滑因子对图象实现了无缝拼接。     

基于GMS和改进最佳缝合线的视差图像拼接算法

针对视差图像拼接时,拼接图像存在鬼影、亮度不均匀等问题,本文提出一种基于网格运动统计（Grid-based Motion Statistics, GMS）和改进最佳缝合线的视差图像拼接算法。算法首先利用快速特征点提取和描述（Oriented FAST and Rotated BRIEF, ORB）算法提取特征点,并采用GMS算法筛除误匹配点;然后引入HSV颜色空间和图像梯度差改进能量函数,避免缝合线穿过图像边缘;最后基于图切割法求取最佳缝合线,进行图像的梯度融合拼接。仿真实验结果表明,在图像存在较大视差的情况下,本文算法特征点匹配正确率较基于尺度特征不变（Scale Invariant Feature Transform, SIFT）算法和基于加速稳健性特征（Speeded Up Robust Features, SURF）算法最低和最高提高了2.01倍和4.73倍,图像自然度平均提高了22.6%,且拼接的图像亮度均匀、无透视畸变。     

彩色图像最优拼接线的改进算法研究

讨论了彩色图像的精确拼接问题,针对拼接时重叠区域和拼接线附近出现的模糊、错位、穿越等问题,提出了根据待拼接图像重叠区域像素点邻域内的颜色和纹理作为特征的能量计算公式,并提出树形搜索方向的动态寻找最优拼接线算法。实验部分将提出的算法与其他方法进行了对比,结果表明,该方法不仅可以很好地克服掉上述“鬼影”问题,解决寻找拼接线时出现的穿越现象,也可以最大限度地实现拼接线两侧图像间的过渡连续。     

序列图像拼接过程中误匹配的消除

序列图像拼接过程中困难之一是当重叠区域内存在多个相似部分时,就会发生误区配而导致拼接失败。在采用图像特征区域配准算法中,基于同名区域面积差、区域重心同位、区域重心距离比及配准参数复用提出了四种误区配的消除方法。实验表明,这些方法能有效地消除误匹配,提高序列图像拼接的配准率。     

基于质量评价的无人机航拍图像拼接方法

针对大视差无人机航拍图像拼接中出现的错位、伪影问题,提出一种基于质量评价寻找最佳拼接缝的方法QEB-U。首先通过常规拼接缝估计得到初始拼接缝,然后根据无人机航拍图像的特点,综合考虑结构相似性、色差、纹理复杂度,提出一种新的质量评价函数对拼接缝上的每个像素进行评价,进而根据评价结果更新差异代价,之后再重新估计拼接缝。估计和评价过程重复执行,直到拼接缝趋于稳定则停止迭代,最后通过梯度融合生成最终结果。实验结果表明,所提方法可以避免大视差无人机航拍图像拼接中出现错位、伪影,优于目前几种无人机航拍图像拼接方法,且得到的拼接缝优先穿过道路、林地等区域,更加符合人类视觉感知,在常见的图像清晰度评价指标上表现良好。     

一种基于SSEQ算法的低空无人机影像快速成图方法

针对现有的无人机因飞行高度较低、视野小、获取影像像幅较小导致影像处理时数量剧增且部分影像质量较差等问题,提出一种基于SSEQ算法的无人机影像快速成图方法。该方法首先对无人机影像进行降采样和分块处理,提取影像局部块上的空间熵和频谱熵信息;然后利用SVM和SVR进行训练、预测和回归,评定影像质量;最后依据评定结果筛选出高质量影像完成拼接实验,并提取控制点的图上坐标,记录实验耗时。实验结果表明,基于SSEQ算法筛选后生成的正射影像与原始影像拼接生成的正射影像精度接近,拼接效率提高39.27%。     

一种基于SIFT特征的航拍图像序列自动拼接方法

针对航拍图像序列拼接问题,提出一种基于尺度不变特征变换（SIFT）特征的自动拼接方法,该方法主要包括图像配准和镶嵌两个步骤。由于航拍序列各帧图像之间存在较大差异,因而常用的基于特征的配准方法适用性较差,对此,提出利用SIFT特征来实现准确、稳健的航拍图像配准。进一步的,提出一种基于视觉特征的色彩融合方法以取得平滑的镶嵌效果。最后,通过对真实航拍序列进行拼接实验验证了所提方法的有效性。     

网格驱动的双向图像拼接算法

图像拼接是将不同视角下的多幅图像合并成一幅宽视角图像的技术。该技术不仅要求拼接后的重叠区域重影尽可能少,而且要求非重叠区域的扭曲尽可能小。在Moving DLT(Moving Direct Linear Transformation)的基础上,文中提出了网格驱动的双向图像拼接算法。对于重叠区域,利用双向Moving DLT做特征点对齐,并通过定量评估的方式来判断图像叠加的方式,进而得到拼接准确、重影少的结果;对于非重叠区域,利用网格在单应变换和相似变换后的顶点插值进行矫正,进而减小非重叠区域的扭曲。实验结果显示,提出的双向拼接算法比单向拼接算法更准确,对应点的MAE(Mean Absolute Error)会下降0.2个点,而且得到的拼接结果更加自然平滑。     

基于深度学习的图像拼接算法研究综述

图像拼接是计算机视觉和计算机图形学中的一个重要分支,在三维成像等方面具有广泛的应用。相较于传统基于特征点检测的图像拼接框架,基于深度学习的图像拼接框架具有更强的场景泛化表现。目前虽然关于基于深度学习的图像拼接研究成果众多,但仍缺少相应研究的全面分析和总结。为了便于该领域后续工作的开展,梳理了该领域近10年的代表性成果。在对传统拼接方法与基于深度学习的图像拼接方法对比的基础上,从图像拼接研究领域中的单应性估计、图像拼接和图像矩形化三个子问题出发,进行了学习策略及模型架构设计、经典模型回顾、数据集等方面的整理与分析。总结了基于深度学习的图像拼接研究方法的一些特点和当前该领域的研究现状,并对未来研究前景进行了展望。