基于輪廓特征的二維碎片拼合技術(shù)研究.pdf

1、基于輪廓特征的碎片拼合技術(shù)是計算機視覺、圖像分析及模式識別中的重要課題，可以應用于很多領域，比如考古學、文物復原及分子生物學等，屬于形狀匹配也稱曲線匹配的范疇。本文對于兩塊碎片及多塊碎片同時拼合的一系列流程—預處理、特征表示、匹配及拼合算法進行了研究和探討，針對傳統(tǒng)方法在某些步驟由于大量運算及全局匹配造成效率低下的缺點，進行改進，主要工作有以下幾個方面。 1．改進了一種邊界檢測算法，即基于像素點鄰域判別的邊界檢測算法。根據(jù)二值圖

2、像的特點，邊界點的8鄰域內(nèi)必然有與背景顏色相同的像素點。因此可以通過判斷二值圖像中碎片部分像素點的8鄰域內(nèi)是否存在與背景顏色相同的點來判斷該點是否是邊界點。該方法檢測邊界精確，并且由于只需對圖像中碎片部分的像素點進行判斷，不需加減及除法運算，因此其效率要高于各種梯度算子法。 2．提出了基于曲線局部弧長與弦長比的特征點檢測算法。本文中特征點主要是指角點，即曲率比較大的點。常用檢測方法要么是根據(jù)該點的曲率，要么是根據(jù)該點兩個方向切矢

3、的夾角，都需要大量的運算。本文利用曲線上各點某鄰域內(nèi)曲線段的弧長與弦長的比來衡量曲線在該點處的彎曲程度。從各點沿輪廓向兩個方向各取若干個輪廓像素點，構(gòu)成一個曲線段，根據(jù)某種規(guī)則計算該曲線段的弧長，并計算起始點與終止點的弦長，然后計算它們的比，然后將這個比值的局部極值點作為特征點，這樣可避免單一閾值提取時，致使比較平緩的曲線段上無一特征點的情形。該方法無需大量的運算且易于理解。 3．改進了一種多碎片的拼合方法。首先將待拼合的所有碎

4、片，兩兩進行匹配，然后每將兩塊碎片拼合在一起，就將它們作為一個整體，并將這兩塊碎片與其它碎片的匹配信息修改為與拼合碎片的匹配信息，繼續(xù)進行拼合，直到所有碎片都拼合在一起或沒有可用的匹配為止，再進行下一輪的特征表示及匹配。此方法有效減少了對拼合碎片反復進行預處理、特征提取、表示及匹配的次數(shù)，大大提高了多碎片同時拼合時的效率。 實驗證明本文方法在保證匹配正確性的前提下，有效減少某些步驟的運算量，只對特征點進行表示，并用以匹配，大大減