006b碎纸片自动拼接复原技术是图像处理与模式识别领域中典型应用本文

摘针对问题1，首先借助于软件编程（程序见附录一：程序1）读取所给内容，得出各信息的灰度值矩阵，将19张的左右边缘两列灰度值按编号顺序分别组成矩阵A、矩阵B。然后根据灰度值建立灰色1，2针对问题2，首先运用最大类间方差二值化方法并应用软件编（1）于软件编程（程序见附录一：程序4）求出各边缘距离值（见表4，5）1的程序，发现拼接复原结果有问题，故对已建立的模型进行改进。先根据碎片间的关联度并通过软件编程（程序见1036的拼接顺序（7）和拼接结果（4虑到碎片拼接其实是全局匹配可以看作是一个求解整体没有的最小拼接代8，56 最优化分割聚类法蚁群优 破碎文件的拼接在司法物证复原历史文献修复以及军事获取等领域都的时间节点。复原结果以形式及表格形式表达（见【结果表达格式说明。51219附件3、附件4为切碎片数据，每页纸被切为11×19个碎片附件5为切碎片数据，每页纸被切为11×19个碎片，每个碎片有正000a、000b。复原放入附录中，表格表达格式如下121×193411×19511×19、目前在司法鉴定以及军事领域，碎纸的拼接工作大部分都是究主要是集中在碎片的自动修复、故障分析等领域。[1]、1：12借助于软件的数字图像处理函数处理附件1、附件2的信息得出各片预处理后，可以先利用二值法按图像的灰度特性，将图像分成背景和目标2假设在碎纸片的拼接复原过程中人工干预有利于碎纸片的完整拼接复x0k第k纸片最右列的灰度值数xik第k纸片最左列的灰度值数k比较数列xi对参考数列x0在第k纸片的关联系xixjxiyj（即临界值）5.1的预处 软件编程（程序见附录一：程序1）附件1所给内容得出 1）1根据预处理的结果建立灰色关联度模型[2]。选取参考数x0x0kk1,2,...,nx01,x02,...,x0n其中k表示矩阵A中第k列即（第k纸片最右列灰度值在矩阵A中的位置）19xixikk1,2,...,nxi1,xi2,...,xin,i1,kk

对参考数列x0在第 iir1kii

nk考虑到有19纸片，即参考数列不止一个，被比较的因素也不止一个，19个参考数列（亦称母因素y1y2y1919个比较数列（称母因素）x1x2x19。1919联度，设rij表示比较数列xj对参考数列yj的关联度，可构造关联度矩阵ijRij

R根据附件1中的 信息，利用软件编程（程序见附录一：程序2）求解模型得出19 纸片之间的关联度如下（附件2中的19纸片间关联度求解结果见附录二：表112（22 （其中，表中的数字代表附件1中的编号为了更直观地反映模型的求解结果，我们利用软件编程（程序见附12222幅图像的比例记为0，其平均灰度0；背景像素点数占整幅图像的比列为1，1g。假设图像大小为MNTN0 M

MN0N1Mg00（8：g

0 T，化基础上，并借助于软件编程（程序见附录一：程序4）求出附件3中各边缘为空白和文字的像素值如下（同理求得到附件4的边缘像素表305678934444494411211612112212412612713013113213344440567893444449441121161211221241261271301311321334444（件4）的按所在行、列聚类，具体原理如下： x1p X

2p x npXxi1zi1xi1Z p dijzz1i,j

zi,j

ji1z

1

1ijn

mdijxk1k l

ji lji

（m为变量数m=nn-kSmk;a1j,a2jk1,k,...,mSmk;a1m,a2

，n个样品（m=n）k应用软件编程（程序见附录一：程序5）运用大律法阈值二值化简23出附件3各的分类表如下：组组别18 将表中数据代入问题的程序求问题23定，然后再根据剩余碎片与已固定的两片的关联度进行聚团拼接，运用软件编程（6）31-10：通过人工对已经拼接复原的几部分进行干预，最后借助于软件编3）1895774246530根据上表中数据，运用软件编程（程序见附录一：程序7）拼4（43MMi表示其中一个候选匹配对。ciMi的匹配代yiMi被选中的状态，如果Miyi0；nl(l12lnnminfyci

Mi的边缘灰度关联度量，i表示Miii

SI

Smax（1）（2）（3）（匹配代价和每只人工蚂蚁可以由包含下面变量和函数的类表示：构建路径目标函数值的变量cost；所构建路径节点的整型数组tour；已节点的标construction（ii

imax,ifiiacostmin为迄今最优路径代价，max大值， 为迄今最优路径j1j

j

j

每迭代一次，信息素列表都更新一次。如果迭代次数超过迭代次数下限

kmax过运用软件编程（程序见附录一：程序8）并结合蚁群算法的原理，再78）和复原图（56采用的最优分割聚类法对按行和按列进行分类，以极差大小作为聚类评价指标，更加客观地对信息进行分类处理。2严重的纸片时完全自动拼接的可性较低故仍需人工干预才能良好的拼接。[1]贾海燕、朱良家、、胡德文,一种碎纸自动拼接中的形状匹配方法,、、[2]，最大类间方差法在图像处理中的应用,无线电工程、、36(7),25-[3]，有序样品聚类的最优分割应用程序开发,28(1),22-[4]何鹏飞胡德文基于蚁群优化算法的碎纸拼接,33(7),67- %从工作路径取出所有.bmp格式的[r1c1]=size(p1);fori=1:r1ife==find(all(b(:,1))) %将灰度值赋予 %取出第一 %取出最后一eval(['A=[A %将所有的第一列合成一个大矩eval(['B=[B %将所有的最后一列合成一个大矩2yangben=A'; forfori=1:m+1forforforforforfori=1:m

%f1[mn]=size(R); %a0fori=1:m-1;[ceval(['C=[Cimg',num2str(a),'];']);d=[da];y=[分为上有无字fori=1:209ifa==1y=[yi]; z=[zi]; y=[分为上有无字fori=1:209ifa==1y=[yi]; z=[zi]; [nm]=size(y);fori=1:m[n1m1]=size(b);forj=1:n1ifc==find(all(ev)==1)e=[ed];forj=d:n1ifc==find(all(ev)==1)e=[ef];forj=g:n1ifc==find(all(ev)==1)e=[eh];e1=[e1;dfh];[nm]=size(y);fori=1:m[n1m1]=size(b);forj=1:n1ifc==find(all(ev)==1)e=[ed];forj=d:n1ifc==find(all(ev)==1)e=[ef];forj=g:n1ifc==find(all(ev)==1)e=[eh];e1=[e1;dfh];程序5：[r1c1]=size(p1);fori=1:r1forj=1:256forT=2:255ifsigma>max 6： 程序7：p1=dir('C:\ [r1c1]=size(p1);fori=1:r1 %Afori=1;11forj=1:198：N=size(D,1);%N表示问题的规模（象素个数ifEx==-0.5fori=1:N ifix==-0.5ifi~=EROUTES=cell(K,M);%用细胞结构每一代的每一只蚂蚁的爬行路PL=zeros(K,M);%用矩阵每一代的每一只蚂蚁的爬行路线长forform=1:MforifwhileW~=E&&Len_LJD>=1fori=1:Len_LJDforTABUkm(W)=0;%已过的节点从表中删forififPath(end)==Eform=1:Mif forifplotif==1fori=1:Kholdongridonfori=1:MMforj=1:MMifhold