[发明专利]基于模糊C均值聚类的碎纸片拼接复原方法

说明书

本发明涉及图像拼接领域，尤其是一种基于模糊C均值聚类的图像(碎纸片)拼接复原方法。本发明根据文字特征对碎纸片做了二值化、水平投影、字符字块填补等预处理。然后，采用模糊C均值聚类算法，对预处理好的碎纸片进行分类处理。再根据横向拼接模型进行碎纸片横向拼接，最后根据纵向拼接模型进行纵向拼接，获得拼接原图。本发明提高了碎纸片分类的准确率，也有利于提高拼接的成功率和效率。

技术领域

本发明涉及图像拼接领域，尤其是一种基于模糊C均值聚类的图像(碎纸片)拼接复原方法。

背景技术

数字图像拼接是属于图像处理的一个重要研究内容，是上世纪以来发展起来的图像处理技术之一，它是通过将分割开来的图像分块拼接成一幅完整的图像。图像碎片的拼接就属于数字图像拼接的一种，在原图被撕裂成各个碎片后，再通过这些碎片组合起来，得出原来的图像。碎片文件的拼接在司法物件复原、历史文献修复、计算机视觉、计算机图形学、诉讼领域、档案研究以及军事情报获取等领域都有着重要的作用。

模糊C均值聚类算法通过优化目标函数，得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的，主要用于数据的聚类分析。FCM算法是一种无监督的模糊聚类方法，理论成熟，应用广泛。大部分对碎片拼接复原方法的研究主要集中在碎片轮廓的匹配上，即基于轮廓的碎片拼接技术研究。许多学者提出了大量的算法，如，Helena在二维碎片拼合方面做了很多工作，他提出了把多尺度技术应用在曲面匹配过程中(Helena Cristina da Gama Leitao.A Multi-Scale Method for theRe-Assembly of Fragmented Objects[J].IEEE Transactions on Pattern Analysisand Machine Intelligence,2002,24(9):1239-1251)，该方法有一定的稳定性，但其计算量偏大。Wolfson运用串匹配的技术查询最大匹配子串，解决了平面曲线匹配的问题(H.J.Wolfson.On Curve Matching[J].IEEE.Transactions onPattern Analysis andMachine Intelligence.1990,12(5)：483-489.)。该方法用于解决复杂场景中重叠物体的识别和定位，但对于简洁物体而言，同样会产生计算量大的问题。Carlos Solana等提出了基于特征匹配的手撕文档重构的方法(Carlos Solana,Edson Justino.DocumentReconstruction Based on Feature Matching[J].IEEE.XVIII Brazilian Symposium onComputer Graphics and Image Processing,2005,12(5)：586-593.)。该方法用多边形逼近来减少边界的复杂性，采用提取多边形的特点进行局部重建，可以减少计算的复杂性，但多边形的特征点较难确定。朱延娟等提出基于Hausdorffig距离的多尺度轮廓匹配算法(朱延娟,周来水,张丽艳等.基于Hausdorff距离的多尺度轮廓匹配算法[J].中国机械工程,2004,15(17):1553-1556)。该方法容易出现碎纸片拼合过程中的重叠现象。

发明内容

本发明的目的是提供一种基于模糊C均值聚类的碎纸片拼接复原方法，针对碎纸片进行预处理，提高了碎纸片分类的准确率，也有利于提高拼接的成功率和效率。

本发明的技术方案：一种基于模糊C均值聚类的碎纸片拼接复原方法，包括以下步骤：

步骤1：通过图片读取函数imread()读取n张碎纸片灰度值，每张碎纸片的灰度矩阵记为P_i，(i＝1,...,n)；

步骤2：二值化处理灰度矩阵P_i，二值化处理后矩阵BP_i＝P_i./S，S为阈值；