基于文字信息碎纸片拼接复原算法.docVIP

基于文字信息碎纸片拼接复原算法 　　摘 要： 基于不同碎纸片的文字特征进行分析，在合理假设下开发了多种算法，这些算法综合了多向递推、行列间距检测、字符模式识别与必要时的人工干预等多种手段，成功解决了碎纸片的拼接复原问题。同时，多种算法相互结合也有效地降低了错误拼接的概率，提高了复原文件方案的稳定性。拼接完成后的试验结果表明该方案的实际拼接效果非常理想。 关键词： 碎纸片拼接； 文字信息； 模式识别； 文字特征分析 中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2014）04?0028?04 Algorithm for torn paper restoration based on character information LU Jia?qi （China University of Political Science and Law， Beijing 102200， China） Abstract： The character characteristics of different paper pieces are analyzed in this paper. Several algorithms were deve? loped under reasonable assumptions， which synthesized multi?directional recursion， detection of space between ranks， character pattern recognition and artificial intervention when necessary， and successfully realized the recovery of torn paper pieces. The combination of various algorithms reduced the probability of error splicing effectively and improve the stability of the recovery file scheme. The experimental results after splicing show that the actual splicing effect of the scheme is very satisfactory. Keywords： torn paper splicing； character information； pattern recognition； character feature analysis 破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。印刷体文字图像与一般图像之间的区别在于其颜色单调，图像连续性较差，图像边缘所包含的信息量较少。因而，处理文字碎片的问题要比处理一般图像的问题复杂。但是，文字图像分析也具有一定的优势，原因在于文字的排布较为规整，行列之间的距离较为稳定可以对碎片的大致位置进行直接判断。 常规文档碎纸片计算机拼接方法一般采用改进的模拟退火算法、蚁群算法等，利用碎片边缘的尖点特征、尖角特征、面积特征等几何特征[1]，搜索与之匹配的相邻碎纸片并进行拼接，但是这种基于边界几何特征的拼接方法并不适用于边缘形状相似的碎纸片。罗智中对这类边缘相似的碎纸片的拼接，提出了利用文字行方向和表格线方向的算法，这种方法虽然利用了文字碎片中的文字图像的几何特征信息[2]，但是没有文字本身获取信息，因而还需要借助人工干预，利用人的文字图像的识别能力和理解能力来实现拼接。本文针对分别针对中文、英文文件碎片设计不同拼接复原算法，并针对双面文件开发了全自动拼接算法。由于中文文字的字形字体十分稳定，这有利于对同行的碎片加以聚类分析，缩小上搜索范围，提高搜索效率。英文字母的形状是固定的，所以可以直接对字母进行数字信息提取，形成模块化的信息库，便于进行模式识别。对于双面打印文件的拼接问题，可以通过适当的转化。由于双面所包含的信息多于单面，所以基于单面打印的算法可以在这一问题中形成优势互补，相互印证，提高算法的可靠性。 1 基于文字特征的碎纸片拼接算法 1.1 中文文件的复原算法 步骤1：确定应拼接在文件第一列和最后一列的碎片。首先对每一个文字碎片的图像数字化提取，将文字图像转化为灰度图像矩阵。灰度图像矩阵元素的取值范围通常为[[0，255]]，“0”表示纯黑色，”255”表示纯白色，中间的数字从小到大表示由黑到白色。通过逐列检测每张碎片灰度矩阵的左边缘列向量。首先检测