2013年齐冀樊马兴源黎波国赛数学建模B题.docVIP

2013高教社杯全国大学生数学建模竞赛 承 诺 书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛 要 传统上，复原工作需由人工完成，准确率较高，但效率很低。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。 ，而“高斯滤波数据预处理”往往可以使数据变得平滑、排除噪声数据和异常数据、压缩和归并冗余数据、遗失点补齐、数据分块保持原数据的形貌等，然后将处理完的数据运用c语言编程的算法来进行图片的拼接，如果多个图片的断面处刚好处在空白的时候，其接口的像素矩阵会完全相同，这时会出现误配的情况，所以在这种情况下我们必须在拼接的过程中加入人工干预。 这种半自动拼接方法综合利用了计算机高速计算能力以及人的文字图像识别和理解能力，拼接效率比纯人工高，拼接准确性也好于纯计算机拼接法。我们利用图像的图像矩阵数字化处理思想，根据已有的附件资料，将碎纸片的拼接问题转化成了像素矩阵相似的问题，并给出了矩阵相似度对比依据和算法，并且进行了实验，证明了图像的数字化拼接的合理性和可行性。 关键词：图像的数字化拼接；矩阵的相似度；ImMatrix函数；人工干预； 像素矩阵； B题 碎纸片的拼接复原 一：问题重述 破碎文件的拼接在司法物证复原、历史文献修复获取等领域都有重要的应用。传统上，复原工作需由人工完成，准确率较高，但效率很低。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。随着计算机技术的发展，人们试图开发碎纸的自动拼接技术，以提高拼接效率。对于给定的来自同一页的片（仅纵切），建立碎纸拼接算法，并针对附件1给出的数据进行复原对于碎纸机纵切横切的情形，模型和算法，并针对附件给出的数据进行复原。从现实出发，模型与算法：图片数字化处理后得到的左边缘矩阵 ：图片数字化处理后得到的右边缘矩阵 ：图片数字化处理后得到的上边缘矩阵 ：图片数字化处理后得到的下边缘矩阵 其中 五．模型的建立与求解 5.1 问题1的模型建立与求解 5.1.1数据的获取 通过对问题一的题设和对附件一和附件二的图片进行分析和编号后，可使用MATLAB调用ImMatrix函数或者使用图像工具箱里的Image Tool对各个BMP图片文件进行矩阵数字化，得到19组矩阵图。如图一就是附件一图片000进行数字化处理后的结果。 图一：图片000数字化处理结果图 当对图一局部进行放大我们就会看到如图二的结果： 图 图二：图一局部放大结果图 MATLAB调用的ImMatrix函数和图像工具箱里的Image Tool会将图片数字化，从图中可看出最黑的像素的扶度值为“0”，最白的像素的灰度值为“255”，整个图像各个像素的灰度值随机地分布在“0”到“255”的区间中，越黑的像素，其灰度值越接近于“0”，越白(即越亮)的像素，其扶度值越接近于“255”。所以附件一和二的图片都可以用矩阵的形式描述了出来。 每个图片的矩阵第一列和最后一列相当于每个图片切口边缘处，所以矩阵的边缘处对碎纸片的拼接起着重要的作用，但是由于外界的各种因素的干扰和测量仪器本身因素影响的存在，边缘的扶度值字样中会存在各种误差，对这些数据进行取样研究之前首先要对数据进行预处理。 5.1.2数据的预处理 噪音的处理： 由采样点所建立的计算机模型把它叫做数字样件。对提取的数字样件进行滤波主要有两个目的： （1）去除毛刺和噪音。由于受各种因素的影响，物理的因素(小的碎片的丢失，磨损、边缘的腐蚀以及表面的不规则)，仪器的因素(视觉、阴影、图像的量化)，这样在数字样件中会存在各种误差(如数据、噪音数据等)，如不消除，这些误差数据将会直接影响重建模型的质量，从而影响匹配，因此在模型重建之前，就要对数字进行滤波等处理。数据的简化和数据的光顺是数据预处理的两个重要组成部分。 数字化样件中包含各种不理想的数据。对错误的数据，可用交互处理的方法迸行去除；对于误差数据，大体可分为毛刺数据和噪音两种。对于毛刺数据，可以①直接删除；②将这点移到一个中值点；⑨在允许的误差范围内，将其沿某一方向移动一段距离。 （2）简化模型。滤波可以简化模型的复杂程度，减少工作量，提高匹配的运算速度。现有针对数据点的滤波方法有很多本文实现的有序数据的滤波与数据的组织形式无关，其基础是k，邻近的建立。滤波后的数据点的新点可用矢量表示为： （1） 其中为所调整的距离向量，为调整的步长参数。待过滤波的数据点作切线，则-邻近点集中的数据点到此切线的有向距离为。通过对有向距离的滤波，可实现数据点的滤波。滤波器的阶数据可取不大于的整数。 平均滤波：平均滤波也叫均值滤波，是一种简单的的线性滤波。一次滤波后数据点的法矢取为点集的