關于碎纸片自动拼接的数学模型大学生数学建模竞赛优秀专业论文.docVIP

关于碎纸片自动拼接的数学模型 摘要 本文针对生活中破碎文件。其次，根据模型的假设（1），找到最右端的碎纸片，并记为。然后，以数据矩阵为基础，引入相似度函数，并求 出相似度函数值。最后，用matlab工具箱中的sort函数把所得到的相似度函数值进行排序，所得到的相似度函数值最小的图像即为与最右端的碎纸片匹配的图像。如此重复18次，即可得附件1的中文图像的排列序号，结果如表1所示。同理可得附件2的英文图像排列序号，结果如表2所示。复原结果图片见论文附件的图1和图2。 对于问题（2），同样先找到最右端的11张图像和最上方的19张图像，根据图像的页边距特性确定原图像右上角的第1张图像。利用问题（1）的算法可得最右端的11张图像和最上方的19张图像的排列序号。然后，在问题（1）的算法的基础上，利用图像中的文字的固定间距去改进算法，缩小搜索范围，并在拼接完一行后显示一次结果，由于近似距离计算公式与人主观视觉差异，所以需要人机交互调整结果。如此重复18次，即可得附件3的中文图像的排列序号，结果如表3所示。同理可得附件4的英文图像排列序号，结果如表3所示。 对于问题（3），与问题（2）相似，只是碎纸片由单面变为双面。因此在匹配图像时，引入两重相似度函数，以确保正反两面能同时匹配。同时每匹配5张图像显示一次结果，以增加人工干预次数。如此重复若干次，即可得最终的复原图像。 关键字 相似度函数 matlab软件 数字图像处理 问题的重述 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，模型与算法数据文件说明 每一附件为同一页纸的碎片数据。 附件1、附件2为纵切碎片数据，每页纸被切为19条碎片。该附件中每一碎片对应两个文件，共有2个文件例如，碎片两面分别000a、000b11×19的表格； 不能确定复原位置的碎片，可不填入上述表格，单独列表。 问题的分析 碎纸，即一张纸在外力的作用下被分开的几个小分块。而在实际生活中，往往需要我们把这几个碎纸块还原成一张纸，这就需要用到碎纸拼接技术。随着科学技术的迅速发展，我们可以把碎纸的一些特征用平面扫描仪、数码相机、摄像机等设备记录下来。而如何把一张张图像的特征转化成数字特征，并根据这些数据特征去建立相关的数学模型或计算机算法，从而借用计算机来帮助我们拼接图像，提高效率，就是问题的关键点了。 传统的图像碎片自动拼接算法有蚁群优化算法、遗传算法等，我们通过分析数据文件发现这些算法并不适合于本题。原因是以上的算法是基于碎片有不规则边缘的基础上的，而本题中碎纸图像的切痕是规则的，且无文字识别能力。 第1步，把所给的图像的数字信息(即像素)用matlab软件读取出来，得到了图像的数据矩阵，通过分析数据后发现，相邻两张图片的边缘像素具有较大的相似度。第2步，利用数字图像处理的方法，结合题目所给数据文件的说明，得到了图与图之间的灰度相关关系的相似度函数，即取出数据矩阵的边缘列与其他图像的数据矩阵边缘列进行最短距离运算。第3步，建立以图与图之间的相似程度为基准的数学模型。这个模型的评价标准很简单，就是相似度函数的值。相似度函数的值越小，就认为两张图像越靠近，即匹配的概率就越大。第4步，通过求相似度函数值，对所得到的函数值进行排序，从中寻找到相似度函数值最小的图像，就得到了最佳匹配图。第5步，每匹配若干张图，显示一次结果，若发现有文字不连续或意思不通的，则进行人工干预。 对于问题（1），由于题中给出的碎纸片是由碎纸机纵向切割而得到的，于是碎片边缘的尖点特征尖角特征，面积特征等几何特点几乎一样，导致无法运用以碎纸片有不规则边缘为基础的传统计算机算法进行拼接。因为边缘相似的碎纸片的拼接，理想的计算机拼接不仅要考虑边缘的匹配还要满足字迹断线或碎片内的内容的相符。然而这种理想方法很难实现，于是利用数字图像处理的方法，建立了以图与图之间的相似程度为基准的数学模型。首先，用matlab软件的imread函数进行图像的读取，得到数据矩阵为。其次，根据问题的假设（1）可以知道当灰度图中后n列灰度值恒等于255时即可认为这一碎纸为最右端的碎纸片，并记为。然后，以数据矩阵为基础，引入相似度函数。最后，用matlab工具箱中的sort函数把所得到的相似度函数值进行排序，所得到的相似度函数值最小的图像即为与最右端的碎纸片匹配的图像。如此重复18