拼接模型范文（精选6篇）

拼接模型 第1篇

根据来自同一页印刷文字文件的单双面打印、中英文书写以及纵横切割三种因素, 将碎纸片拼接算法[2,3]分成了中英文单面纵向拼接、中英文单面纵横向拼接两种。通过实验结果, 验证了该算法的有效性和可行性。

1 基本假设及符号说明

碎片文件都是经过碎纸机切割的, 通过对所有碎片样本的观察, 发现同一类样本中的所有碎片文件的长和宽都是严格的水平和垂直, 所有碎片的像素大小都相同, 每个碎片都包含了至少一个完整的行距, 且行距都是固定相同的, 据此做了以下假设:a.所有的碎片边缘均为严格水平和垂直光滑;b.同一样本文件中文档的行距是固定相同的;c.图像切割线的两侧一般不具有对称性;d.同一样本文件中所有碎片包含的像素点个数相同。

2 自动拼接复原模型建立与算法模拟

一幅图像, 通常是由红色、绿色、蓝色三色组成的。红色、绿色、蓝色都是以灰度显示的。由于图片上各点颜色及亮度不同, 各点呈现出不同深度的颜色, 把黑色与白色之间分成若干等级, 即灰度级, 所以可以用不同的灰度色阶值来表示“红, 绿, 蓝”, 即RGB值。通常纯白其亮度级别为255, 是最高亮度, 而纯黑其亮度级别是0, 是最低亮度。

2.1 中英文单面纵切碎片拼接。

在单面单向拼接中, 碎片左右边缘的像素值决定着碎片的拼接顺序。因此, 可考虑将每个碎片的左边缘与右边缘上的像素值分别用两个0和1序列 (或向量) 来表示, 这样就可将一页文件的若干碎片转化为相关的0和1序列 (或向量) 。

公式 (1) 中的D (i, j) 表示碎片i的右边界和j左边界的耦合程度, D (i, j) 越大意味着耦合度越高。当欧氏距离为0时, 规定D (i, j) =1。

需要说明的是, 由于复原文档中对应最后一行碎片的右边界与第一行碎片的左边界的像素值均为0, 这两张碎片耦合度值达到最大值为1。按照此方法, 可得到所有碎片的拼接顺序。

2.2 中英文单面纵横切碎片拼接。

在单面纵横切碎片的拼接中, 考虑到所有碎纸片均为大小相同的矩形, 且在复原后的文档中处于同一行的不同碎片左右边缘的像素信息具有共同的特征, 因此, 可将每一碎片转化为碎片简化模式, 其中碎片模式中仅包含左右边缘上像素值分布的主要信息。在此基础上, 根据碎片模式的特征对所有待拼接碎片进行分类, 将复原后文档中处于同一行的不同碎片划分到同一类中, 然后利用单面单向拼接方法, 对每一类中的碎片进行横向拼接, 得到一个“大碎片”。最后, 利用单面单向拼接方法, 对所对应的“大碎片”进行纵向拼接, 则可得到所有碎片的拼接图。

2.2.1 中文单面纵横切碎片拼接。

双向切割是指碎纸机既纵切又横切, 但所切的碎片中都是大小相同的规则矩形图片。一般汉字都是方块字体, 在高度上有等高的特点, 并且打印文本文件同一页纸中的行间距是相同的, 所以可以引入模式分类的方法。

首先对每一个图片对应的模式进行分类, 即对每一个碎纸片进行处理, 利用每个碎纸片的左右边界的关系和上下碎片之间的关系拼接, 排列后使得同一行的碎片能归入相同的类;然后对每一类中的碎片按横向拼接方法进行拼接, 可以得到一个“大碎片”;最后将各类对应的“大碎片”按纵向拼接方法完成整个文档的复原工作。

a.模式的定义。对于每一个像素大小相同的碎片, 暂时不考虑碎片之间文字内容的逻辑关系以及具体汉字形状, 保留决定碎片拼接的关键信息, 将每一碎片转化为一个模式[8,9,10], 具体方法为:

记 , 其中

用P (i, j) 表示第行 (自上而下) , 第j列 (从左到右) 像素的灰度值, 将碎片k上所有像素 (i, j) 的值P (i, j) 用aki替换, 得到碎片二值图像称为碎片k的模式, 也可表示为 。

b.碎片模式分类。对任意两个不同的碎片 (模式) , 我们定义相似度:

2.2.2 英文单面纵横切碎片拼接。

考虑到英文的特殊性, 根据英文的书写版式原则, 可以将整篇文章放在带有英文四线格的底面中。既然可以放在四线格中, 这里我们把一行四线格看成一行, 可以确定每相邻行的行间距是一定的。行宽也是一定的, 考虑字母仅占有上中、中、中下、上中下等几种情况, 可以确定每一个字母都是在中间有书写笔画的, 四线格中上下行都具有英文笔画的是少数。

基于这种考虑, 可以对每一行四线格的中间内容进行求和, 当其和的值小于某一值的时候我们忽略四线格上面和下面的内容, 进而只考虑四线格的中间部分。对于那些特殊的碎片, 我们可采用人工干预的方式将其挑出, 所以将英文中四线格的上半部分和下半部分的内容忽略, 可以采取中文碎片模式转换的类似方法, 从而到英文碎片的模式。

3 实验结果及分析

实验是在Microsoft Windows 7系统上进行, 内存限定是2GB, 算法实现语言为MATLAB 7.0版本。根据不同的样本文件使用相应的拼接算法, 从而得到下面的模拟结果。

3.1 中英文单面纵切拼接实验。

样本文件1和2分别为中英文单面纵切碎片数据, 其中每页纸被切为19条碎片, 分别用000.bmp-018.bmp编号命名。利用MATLAB工具中的自带函数im2bw和imread, 将图像转化为仅包含0和1的向量, 接着根据中英文单面纵切算法可以得到碎片的耦合度矩阵, 由此可得样本文件1, 即中文单面纵切碎片的拼接复原顺序为:

同样, 可以得到样本文件2, 即英文单面纵切碎片的拼接复原顺序为:

3.2 中英文单面纵横切拼接实验。

样本文件3和4分别为中英文单面纵横切碎片数据, 其中纵切19, 横切11, 得到209块碎片, 将这些碎片都转换成模式, 把复原文档中的同一行碎片分到同一类中, 共11类, 每类中包含19个碎片。

3.2.1 中文单面纵横切碎片拼接实验。

实验中对样本文件3中某一分类的碎片进行模式转换, 如图1 (a) 所示。

按照相关拼接算法, 进行横向拼接, 该类的拼接顺序为:

与以上拼接顺序对应的碎片拼接结果见图1 (b) 所示。

同样, 综合样本文件3的所有碎片, 根据拼接算法, 得到所有碎片的最终顺序如图2所示。

3.2.2 英文单面纵横切碎片拼接实验。

将样本文件4中每一个碎片转换为最终模式, 并将所有模式放在180209的数组中。经过处理, 现在要把具有相同模式的归到同一类。主要思想是利用欧式距离定义的耦合度, 按中文的碎片的分类方法进行分类。具体操作是将上述处理的序列就行逐一比较, 值为0 (完全匹配) 或在允许误差范围内 (值小于某个值) , 通过控制误差值, 将一类的归到一组。但是这个组的长度要控制在行长度内 (小于行长度19块) , 最终得到的分类结果如图3所示。

由图3可以看出, 共有191个碎片已经完成分类, 剩余未分的有18块, 需要经人工干预。观察得整个表格有12行, 其最终结果应该为11行。在前两行中可以发现这两行由于某种原因被分成了两个, 原本为一行。剩下的18块如图4 (a) 所示。

通过对图4 (a) 中碎片的观察与分析, 我们发现这些碎片具有共同的特征, 如图4 (b) 中碎片上被标记的部分所示。

由图4 (b) 可以看出, 这些图片都是有一行缺少英文字符, 使得碎片对应的模式比较异常。这些特殊的少量图片都是可以人工干预处理的。

在此基础上考虑碎片拼接过程, 先对分类的碎片左右拼接, 匹配仅在所在行匹配合成。上下匹配还要考虑行内其他元素的上下匹配。合成时整行都要合成。综合考虑以上因素, 我们对所有可以拼接的数据进行拼接整合。 (图5)

在这里, 处理特殊碎片需遵循的原则:以第二次拼接的图片为底图, 剩下的18块依次和底图匹配, 匹配原则包含经此处理之后便于观察整体拼接情况, 但是拼接后在合成部分已做断开划线处理, 这样便于将剩下的碎片进行拼接分析。经过此次拼接过程, 可以观察已组合部分是否匹配正确, 若不匹配的话, 可以暂时先将那块碎片剔除, 放到第三部分再进行匹配组合。碎片四边都要依次匹配, 匹配度最高的就是缺少块部分。按以上方法对样本文件4中的碎片进行拼接, 结果见图5所示。

结束语

通过研究规则切割碎纸片的拼接复原问题, 我们针对单面中英文纵向切割碎片以及单面中英文纵横双向切割碎片提出了不同的拼接复原模型以及方法。该方法将一张张碎片文件转换成了一个个像素点值矩阵, 对于计算机来说, 碎片文件的处理就变成了矩阵集合的操作;另外引入欧式距离将图像的拼接转化为耦合度的计算;接着考虑到印刷文本文件的排版特点, 引入模式识别的概念, 可以将大量杂乱碎片进行分类, 然后逐类拼接, 最终将双向拼接问题转化为单向拼接问题;最后所建立的模型效率好, 精度高, 从实验结果上可以看出该模型的可行性和有效性。

参考文献

[1]PAL A, KULESH S, MEMON N.Automated reassembly of fragmented images[C]//Proceedings of International Conference on Acoustics, Speech and Signal Processing, 2003, 4:732-735.

[2]罗智中.基于文字特征的文档碎纸片半自动拼接[J].计算机工程与应用, 2012, 48 (5) :207-210.

新旧路基拼接处理 第2篇

(1)按照规范要求对沿线导线点和水准点进行复测和加密。

(2)路基开工前每隔20 m用全站仪准确放出旧路基外边缘点，并在老路基护栏上用喷漆标上桩号。

(3)每隔20m对旧路基和加宽路基原地面进行复测，核对或补充横断面，发现和设计图纸不符时，查明原因及时处理。

(4)加宽路基施工前，对旧路基填料和加宽路基基底土进行相关试验。每千米每侧至少取2个点；土质变化大时，视具体情况增加取样点数。

(5)按照规范要求对计划的路基填料进行相关试验，特别是对不同来源、不同性质的填料进行相关试验。填料尽量选取和旧路基填料性质相近的材料，避免和减少因新旧路基填料性质差异引起的不均匀沉降，确保新旧路基衔接处的施工质量。

2、原地面清表、回填(1)严格按照设计和规范要求将加宽路基基底范围内的树根全部清除，并将坑穴填平夯实。加宽路基基底范围内的水井和墓穴用优质填料换填处理。

(2)按照设计和规范要求的清表厚度，对加宽路基范围内原地面表层的腐殖土、草皮、表土等进行清理。

(3)按照设计和规范要求将加宽路基范围内的边沟、池塘等地段清淤要干净、彻底，然后按设计的地基处理方案施工。

(4)场地清理的范围为高速公路原路基坡脚至新加宽工程路基坡脚外1m的范围内。(5)原地面清表的同时，将旧路的边沟和隔离栅等相关设施拆除。

(6)加宽路基基底清表完成后，按照设计要求进行原地面填前压实处理，压实度不小于90％，然后回填至原地面。

(7)对于部分基底含水量较高，清表后不易压实的路段，基底可采用翻挖、晾晒或掺灰处理，也可采用换填一定厚度的砂砾处理。

3、台阶开挖

(1)台阶开挖前，先对老路基边坡进行清坡处理，清坡不易一次全部清理完成，应边挖台阶边清坡，以保证旧路基的稳定。

(2)边坡清理完成后，按照设计要求准确放样出每层台阶的开挖线，保证开挖台阶线型直顺、位置准确。

(3)旧路基台阶开挖针对老路不同的路基填料采用不同的台阶尺寸．对于老路基填料为黏土、亚黏土和卵砾石土时，拼接处的台阶高宜为1.0m。宽为1.5m；对于老路基填料为砂土、粉砂土时，拼接处的台阶高宜为0.4 m，宽为0.6 m。

(4)开挖拼接至路床底面的台阶时，根据路基填筑高度确定其台阶高度和位置，台阶面距离路床底面小于130 cm时作为一个台阶开挖，距离路床底面大于130 cm时分成100 cm和>130 cm两个台阶高度开挖。路床部位作为一个台阶开挖，开挖位置为距离旧路硬路肩内侧向外30 cm处，台阶高度为80 cm。

(5)开挖过程中如出现土体较大位移时，应立即停止开挖，分析原因，采取措施防止塌方。(6)对老路基结构物台背及砂砾石等透水性材料填筑的路基，在开挖时应根据具体情况，采取钢板支撑、钢木结合支撑、砼护壁支撑、砌砖等必要的防护措施。4路基填筑(1)路堤填料选择。加宽路基填料原则上应与老路基填料保持一致，并尽量采用砂砾等强度高、水稳定性好的材料填筑，禁止采用不符合规范要求的材料填筑路基。为节约工程造价和保护环境，对于老路基开挖台阶的土方及老路基边坡拆除的圬工和拆除的路面基层、底基层等材料，经改善处理，符合设计要求的也可用于路基填筑，但老路基的清坡土和基底清表土不得用于路基填筑。为使路基获得足够的强度、稳定性和抵抗路面荷载下产生的变形能力，保证路基、路面的综合服务水平，路基压实采用重型击实标准，路基压实度及填料强度应符合表1要求。(2)施工放样。在路堤填筑前，测量人员首先应根据加宽路基设计宽度及其边坡坡度放样出加宽路基坡脚线，并用石灰撒出路堤填筑边线。为使路堤边缘压实度也能满足规范要求，路堤填筑边线应比加宽路基坡脚线超宽50 cm。

(3)路基填筑材料铺筑。施工时，施工人员事先根据运输路基填料车辆的运载量，路基试验段得出的填筑材料松铺厚度，计算出每车路基填筑材料的卸料间距。现场施工人员根据卸料间距在下承层上用白灰标示上土网格，并指挥运输车辆按照上土网格卸料。运至路基上的填筑材料首先由推土机粗平，粗平后应对路基填筑材料的含水量测定和调整。(4)含水量调整。施工中，填筑材料摊铺后，及时安排试验技术人员对填筑材料的含水量进行检测，当填筑材料的含水量在试验确定的最佳含水量±2％以内时，可进行下道工序施工。如果路基填筑材料的含水量超过试验确定的最佳含水量的2％以上时，可采用犁靶翻晒等方法降低路基填筑材料含水量，直至路基填筑材料含水量降至最佳含水量的2％左右以内时，才可以开始下道工序施工。如果路基填筑材料的含水量小于试验确定的最佳含水量的2％以上时，可采用洒水车洒水的方法增加路基填筑材料含水量，直至路基填筑材料升至试验确定的最佳含水量的2％以内时，才方可开始下道工序施工。

(5)精平。路基填筑材料碾压前按照计算的摊铺标高，每隔10 m做出标高台，用平地机进行精平，精平后路基填筑材料应保持整体平整，表面平整度应满足规范要求。精平时应使路基横坡向加宽路基外侧倾斜，以利于路基排水。

(6)路基填筑材料的碾压。施工前，通过试验段确定适宜的压实设备和合理的碾压方案。施工时严格按照试验段总结的碾压组合顺序和碾压方式进行碾压。

压路机碾压时最大行驶速度不宜超过4 km／h；碾压时直线段由加宽路基边缘向老路基

拼接模型 第3篇

互动化是智能电网[1,2,3]的主要特点之一,而调度中心能量管理系统(EMS)之间的模型协调则属于智能电网互动的重要内容。我国实行分层分区的电网控制管理模式,以南方电网为例,总调、中调、地调和县调按电压等级和地域分别管理各自调管范围内的设备。传统上,南方电网的上述4级调度EMS之间较少进行模型方面的协调,只进行少量的关键遥测、遥信数据转发。随着在线分析技术的不断发展,为了提高调度生产工作中高级应用软件的计算准确性,必须要研究调度中心EMS之间的模型协调问题。

在学术界,包括在线动态外网等值在内的模型协调研究已经开展了较长时间,但是在工程应用方面的实用化研究还较少。究其原因,是由于北美等国的调度中心在管理上相互分离,该方面面临着很多管理上的制约。国外为数不多的论文[4,5,6,7]主要集中在分布式状态估计研究方面,即侧重于通过边界信息交换,提高状态估计的计算精度,却并不能解决状态估计之后的调度计算、稳定计算等问题。在国内,广东省于2004年起开始进行省地2级模型协调的探索工作[8,9]。

目前国内不少中调还没有实现对外部系统的实时等值,通常只能是在一个典型潮流断面下的外网等值模型。究其原因,从技术层面,由几个中调难以相互给出全局性的等值模型;而在管理层面,大模型协调本身的人工管理工作量较大,单独依靠中调之间的自觉配合难以完成,需要由网调统一领导才能进行实施。

自2006年起,中国南方电网电力调度通信中心(以下简称南网总调)与广东、广西、云南、贵州、海南五省区中调开始进行网省模型协调方面的研究[10]。该方面研究的工程性探索难度较大,需要长期反复进行研究、实践,才能真正在调度生产中发挥作用。本文介绍了4年来相关探索工作,供调度中心的同行在实际生产工作中参考。

本文的第1节介绍如何在南网总调侧形成南方电网大模型,第2节介绍南网总调如何为中调提供外网等值模型,第3节进行了部分算例分析。

1 基于模型拼接形成南方电网大模型

文献[10]给出的仅是分布式建模系统的理论设计方案,在工程进展中,南网总调进行了深入研究和工程建设,成功地实现了基于模型拼接形成南方电网大模型。与文献[10]的设计方案相比,模型、图形、数据的拼接方法更加实用和稳定,可以实现不对现有系统中的设备命名规则进行修改,不更改现有系统上的数据库结构,总调和各中调可以只在某一EMS工作站上运行CIM/SVG/XML的导出程序。

经过4年来的不断探索和改进,南网总调分布式建模由3个子系统形成南方电网大模型,见图1。

下面分别介绍3个子系统。

a.中调客户端子系统。形成中调EMS的XML模型[11,12]、SVG图形、E格式数据和TASE2变量名[13]定义。其中,前3类文件以模型版本的形式,通过中调客户端系统提供的界面手动形成并上传至总调。E格式实时数据断面文件以10 s为周期实时生成并上传至总调。

b.总调模型拼接子系统。针对接收到的中调侧和来自总调EMS侧的模型版本,将其中的XML模型按照多区域拼接算法进行模型拼接,完成XML模型、SVG图形、E格式数据的关联导入。在模型拼接完毕后,通过状态估计[14]计算对模型拼接的结果进行检验,如果状态估计合格率在90%以上,则将模型拼接系统的中调模型版本同步到总调EMS。如果状态估计合格率低于90%,则检查模型中不正确的原因直至合格率达到90%以上。

c.总调EMS子系统。该子系统的工作与模型拼接子系统中的工作基本一致,主要的不同之处在于该子系统将完成TASE2变量名的映射。

根据4年来的工程实践,在南网总调侧,模型拼接更新南方电网大模型的频次为每周1~2次。在此基础上形成的南网大模型,已经可以满足南网总调预决策系统在线稳定计算的需求。

2 基于外网等值形成中调外网模型

在上一节中所述南方电网大模型的基础上,可以由南网进一步利用外网等值技术,向各中调发送等值模型,以提高中调EMS在线计算的准确性。

2.1 算法

以南网总调为贵州中调提供在线外网模型为例介绍算法。图2给出了基于南网总调大模型的内外网划分。其中I为贵州内网集合,包括青岩、金州、黎平等;B为边界集合,包括河池、天二、桂林等;E为南网外网集合,包括龙滩、柳东、平果、贤令山等。

将图1所示的网络用方程表示,则有

将式(1)消去外部网络集合E后,可得:

进而可得:

内部系统I和边界B的电压模值Ui0和相角θi0可以通过状态估计求得。这样,边界节点的等值注入就可以通过下式求得:

其中,gij+jbij为与边界节点i相连接的联络线或等值支路的线路导纳;gi0+jbi0为与节点i相连的支路在i侧的对地支路导纳;θ0ij=θi0-θj0。

另外,为了提高无功计算的精度,在每个边界节点处还增加一个虚构的PV母线,导纳值为

其中,{V}是PV节点集合,。

图2所示的网络即可变为图3。

与图3相对应,以下给出了2010年某时刻在线外网等值模型的部分数据。

等值注入:河池P1EQ=755 MW,Q1EQ=227 Mvar;天二P2EQ=898 MW,Q2EQ=288 Mvar;桂林P3EQ=1 058 MW,Q3EQ=622 Mvar。

等值线路(标幺值):河池至天二r1=0.007 1,x1=0.065 3;天二至桂林r2=0.006 2,x2=0.047 3;河池至桂林r3=0.003 2,x3=0.034。

2.2 外网等值模型的传输

南网总调和中调等值数据的传输在安全I区进行,采用专用的程序负责网省调间通信。在南网总调和中调的前置机分别配置节点负责交换,同时南网总调和中调防火墙各开放一个交换端口,用作上行和下行通道端。图4给出了外网等值模型的传输流程。

目前,南网总调每5 min向贵州中调EMS发送一次外网等值模型。中调状态估计在成功进行外网模型拼接后,形成“内网+等值网”的计算模型,在此模型上进行状态估计计算。状态估计为PAS/DTS分析软件提供带外网等值模型的基态潮流断面,各分析软件在此断面基础上进行潮流方式变化模拟、安全分析开断计算、灵敏度分析计算、DTS仿真计算等,实现了所有应用软件对外网等值数据的在线使用。

3 算例

为了说明本文方法的正确性,本节将贵州中调连接南网总调外网等值模型、未连接南网总调外网等值模型的结果进行对比。实际操作的工作是500 k V青河一线转检修开断。表1给出了线路开断后的SCADA值、贵州中调未使用和使用外网等值的潮流计算结果。

表2给出了潮流计算结果和SCADA结果的偏差。在此算例中,贵州中调使用在线外网等值后,有功平均误差由63.2 MW下降到5.8 MW,无功偏差平均误差由5.8 Mvar下降到3.7 Mvar。由2.1节在线外网等值模型的部分数据和表1可见,使用外网等值后,能够提高中调在线调度潮流结果的合理性和准确性。特别是当潮流模拟开断在省调的边界附近时,不使用在线外网等值的计算结果误差较大,的确需要使用在线外网等值模型。

4 结语

工程实践经验表明,由南网总调通过分布式模型拼接形成全网的大模型,再由南网总调向中调下发外网等值模型,是一种比较实用的网省在线模型协调方法。

基于模型拼接技术,南网总调可以及时准确地掌握整个南方电网220 k V以上主网架的模型、图形、数据、信息。在此基础上,由南网总调为中调在线生成外网等值信息。各中调自动获得外网等值数据,应用到自己的网络分析软件中去,从而提高中调的在线分析精度。

根据运行经验,该网省在线模型协调方法具有如下优点:

a.能够在总调侧进行全网的监控与计算,同时可以提高中调侧在线静态分析计算的准确性;

b.对于调度自动化专业而言,运行维护的工作界面比较简洁,便于长期稳定运行;

c.中调的EMS改动较小,如果中调侧使用总调的大模型,则中调侧前置系统、历史数据库、实时数据库等方面需做较大改动,且需一定的硬件投资。

路基加宽拼接施工工艺 第4篇

路基加宽拼接施工工艺

双向四车道高速公路已无法满足需求,必须进行加宽拼接,加宽路基的施工操作要点和安全保证控制措施,确保加宽后公路的稳定.

作 者：杨宏永 Yang Hongyong 作者单位：河南省公路工程局集团有限公司,河南,郑州,450052刊 名：科学之友英文刊名：FRIEND OF SCIENCE AMATEURS年，卷(期)：“”(26)分类号：U416关键词：路基加宽拼接 操作要点 安全保证措施

拼接模型 第5篇

鉴于目前拼接算法的优劣性,本文采用特征点对无人机序列影像进行拼接。传统的测绘拼接方法大都要经过相对定向、绝对定向、空中三角测量等一系列复杂的运算,计算量大,速度慢,而且由于累积误差的原因,拼接的效果比较差。 本文从机器视觉的角度出发,提出一种新的无人机序列影像拼接模型,针对拼接过程中的误匹配、曝光差异和累计误差, 提出了相应的改进方法。实验证明,整个过程取得了较好的拼接效果,验证了模型的可行性及实用性。

1关键技术及流程

本文从机器视觉的角度,对无人机图像拼接的流程进行了重新的设计,具体流程如图1。

1.1 SURF特征点

无人机在拍摄测区影像时,由于受到外界环境以及自身稳定性的影像,拍摄的影像可能存在平移、旋转、尺度不一等情况,因此,要求检测的特征点具有较好的鲁棒性。SURF特征点,相对于Harris[6]和SUSAN算子[9],对平移、旋转、 尺度变换及遮挡等有较好的适应性,因此,本文将SURF特征点引入模型。

1.2 RANSAC算法

RANSAC(RANdom SAmple Consensue)随机一致性抽样,该方法是由Fischler和Bolles[10]提出来的,其思想与最小二乘法相反,不是用尽可能多的数据点去获取模型的估计,而是用尽可能少的可行数据并尽量地扩大一致性数据集。无人机图像提取的特征点非常多,匹配时难免会产生误匹配。为了剔除误匹配,求取正确的匹配模型,本文将RANSAC算法引入,其具体步骤为。

(1)随机选取N个点(N为确定图像间变换矩阵的最小点集)。由这N个点确定一个矩阵M;

(2)选定阈值t,确定剩余点与M矩阵的距离,将距离小于t的定为内点集S(m);

(3)重复若干次随机操作,得到矩阵M1,M2,…,Mn和对应的内点集S(m1),S(m2)…S(mn)。

(4)将内点集点数最多的所对应的矩阵定位最佳匹配矩阵。

1.3捆绑调整

无人机图像拼接由于累积误差的影像,拼接图像中的地物(如房屋、道路等)往往会出现错位,严重的叫无法完整拼接。本文将捆绑调整算法加入模型,对相机参数和构造参数一起进行优化。捆绑调整常用的方法为L-M算法,其具体的形式可由下式表示。

其中,J表示方程组的雅克比矩阵,表示搜索步长,,X为测量向量,测量向量的估计向量。

1.4图论与小波理论

以往的图像拼接软件,其在图像匹配后,对带拼接图像只是进行简单的叠加,从而造成道路、河流等地物出现拼接错位的情况。本文将图论- 图切割理论引入拼接模型,对拼接图像的重叠部分进行最佳缝合线的搜索,从而避免出现地物拼接错位的现象。其原理如图1,对图像IM和IN的重叠区域Iover,按照图2(b)的方式,寻找一条最佳缝合线。 其中t和e分别为个像素间连线的权值。权值最小的割线即为最佳缝合线。

为避免由于外界光照等造成的图片色彩亮度不统一,本文将小波- 多分辨率融合理[11]论引入,对拼接的图片做匀色处理。以往的测绘拼接软件,其对拼接图片的处理是通过平均融合法,。此方法虽然简单,但是处理的图片会产生模糊现象,影像其实际应用。多分辨率融[12]合法则有效的避免了这个问题。其原理是将图片分解到一系列的频率通道中, 在每个频率通道分别进行融合。主要分为3个步骤。

1.4.1图像的高斯塔分

高斯金字塔图是一种在尺寸上逐层减半的影像序列,其各层生成按下公式进行:

1.4.2生成拉普拉斯金字塔

对构造出的高斯金字塔,分别对其各层进行插值膨胀, 是的l层与l-1层图像在尺寸上相同。插值函数为:

将与做差得到拉普拉斯图像。

1.4.3有拉普拉斯图像重建原图

对生成的拉普拉斯金字塔图,按照从高到低地顺序进行查至,并与下一层拉普拉斯金字塔图叠加,重复此步骤,直到得到原图。

2实验及分析

本文基于C++ 语言,调用opencv库函数做为影像读取与处理的接口。为了验证本文所提出模型的可行性以及相对于传统测绘拼接软件的优势性,本文以安徽铜陵测区的无人航拍图为实验图像,对模型的各个关键技术分别进行了验证分析,并将以本模型拼出的图像与传统测绘法拼接的图像进行对比。实验证实了基于特征点的无控制点图像拼接模型的可行性,且拼接速度与拼接质量都由于传统的测绘拼接软件。 取得了较好的效果。

图3显示的是用SURF算法对带拼接图像进行特征点检测。 通过自动特征点检测,避免了手选控制点的人为误差,而且, 为了增强特征点的鲁棒性,本文将特征点表示成128维向量, 提高了匹配的准确性。

图4、5分别显示了带拼接图像的匹配情况。从图4可以发现,其中含有明显的误匹配。本文引入RANSAC算法,对初匹配的结果进行求精,如图4,经过RANSAC后,误匹配被明显的剔除,提高了匹配的精度,效果比较明显。

图6和图7显示了图切割与多分辨率融合的效果图。从图6可以看出,本文引进的图切割理论较好的解决了拼接地物的错位问题,求得的最佳分割线避开了一些容易产生拼接错位的地物。虽然如此,由于两张图片一定的曝光差异,是的拼成图像的视觉效果存在一定的瑕疵。图6是对图5进行多分辨率融合后的图像,可以看出,多分辨率融合多曝光差异问题有较好的解决效果,融合后的图像在拼接处过渡平缓, 基本上看不出有拼接的痕迹,提高了拼接的质量。

最后,本文对航带中的十张照片,分别用本文提出的模型和传统的测绘拼接进行对比,如图8,可以明显的看出, 传统的测绘拼接软件拼出的图像存在较多的拼接错位,尤其是房屋、道路,而且色彩的差异也没有得到较好的处理,拼接痕迹比较明显。而基于本文提出模型的拼接图像则较好的解决了这些问题,且拼接速度较快,充分验证了本文提出模型的实用性。

3总结

拼接模型 第6篇

碎纸自动拼接技术是计算机图像识别领域的一个较新、较典型的应用。对于规则的碎纸拼接主要由计算机图像预处理、图像特征提取和图像匹配三个部分组成。碎纸拼接技术在司法物证复原、历史文献修复以及军事情报获取等领域中有着非常关键的作用。目前,国际上欧洲等国家对于破碎文件的自动修复技术进行了相当长时间的研究。但由于专业技术壁垒,国内的研究成果并不多见诸报道[1]。传统上,对于碎纸拼接过程还是过分依赖人为干涉。当碎纸图像较多、内容较复杂时,不但耗费大量人力和时间,还可能对纸张信息造成损害。因此,以提高拼接复原效率为目的,研究开发一种高效碎纸图像自动拼接技术是十分必要的。

前东德情报机构官员将大量绝密文件碎成6 亿多块碎纸并丢进16 000 个垃圾桶,史学家们预计采用人为干预的方式将花费400 年的时间对文件进行恢复[2]。现在国内外专家对于碎纸自动拼接技术的研究主要聚焦在以下两个方面: 图像特征值提取和图像匹配。图像值提取包括对图像背景的提取、图像边缘检测、图像中文字内容的轮廓提取等。国外专家对于这方面进行了大量的研究。文献[3]中提出了一种利用轮廓采样点曲率为图像特征,以动态规划为匹配算法的二维碎片拼接方法; 文献[4]中对原始轮廓曲线进行逼近,对简化逼近曲线进行弹性匹配的碎片自动拼接算法。图像匹配则是指依照图像提取获得的特征值对图像进行排序,关键技术主要表现为大量碎纸图像排序的最优化搜索技术。文献[5]提出了一种遍历搜索算法,对于壁画碎片进行匹配。文献[6]在文献[5]的基础上,利用遍历搜索算法用兵马俑碎片进行匹配计算。该方法具有一定的普适性,但是效率不高。

本文主要对既纵切又横切的碎片图像数据进行拼接问题进行研究。研究对象为规范化切割,提取轮廓作为特征值信息量不大。为此,针对碎纸中文内容和英文内容不同的情况,给出两种不同的特征值提取方法。在拼接过程中,首先建立聚类模型对碎纸图像中提取的图像特征值进行K-mean聚类得到属于同一行的碎片集合; 然后建立旅行商优化数学模型,以拼接方案特征值误差平方和最小为目标函数,实现同一行碎片集合的排序,形成完整一行的图像; 再次利用优化数学模型实现不同行图像的排序。

本文所采用的碎纸恢复技术采用了图形图像处理技术和优化技术,能够实现无人工干预的全自动拼接。

1 图像信息提取数学模型

由于本文的研究对象为规范化切割,提取轮廓作为特征值信息量不大。因此,需要对图像内容进行特征提取。考虑到中文内容和英文内容两种不同环境,本节对字符提取原理和模型进行介绍。

1. 1 中文与英文图像的显示原理

黑白文档中的碎纸图像,在进行自动拼接前首先要经过预处理,即将碎纸图像扫描进入计算机中。扫描完成以后的图像包含了黑白之间的所有灰度色调,图像中的每个像素点都有一个灰度值( 0 表示黑色,255 表示白色) 。整个碎片变成了一个灰度值矩阵。以本文仿真为例: 每张碎纸图像的像素为180 ×72,扫描后的图像便具有180 × 72 的二维灰度矩阵。通过MATLAB软件中的imread命令,可以读取图像中的灰度矩阵。

扫描过程中,图像的边缘颜色会发生变化,即灰度改变。根据灰度变化的具体情况,通常将边缘划分为阶跃型边缘和屋脊型边缘两种类型。阶跃型边缘两边的灰度值变化明显,而屋脊型边缘位于灰度值增加与减少的交界处。两种类型的灰度值变化如图1、图2 所示。

f为灰度值变化的函数,z为灰度值。图像边缘常常在灰度突然发生变化的部位,两边为不同的灰度级。阶跃型边缘中,f函数图像的起点即为图像边缘; 屋脊型边缘中,虚线位置即为图像边缘。

假设研究对象文字边缘颜色的变化是渐进的,即灰度值的突变不会很大,因此文字边缘为屋脊型边缘,从黑色渐变为白色,再从白色渐变为黑色。对纸片进行规则切割,将切割处视为一条直线,该直线正好通过文字边缘( 突变点) 的概率极小,切割在文字中间( 即灰度值变化较小) 的概率很大。

1. 2 中文碎纸图像信息提取模型

本文研究既纵切又横切的碎片图像数据进行拼接问题。这样得到的碎纸图像信息要远小于仅纵切的碎纸图像信息。引入Ui= ( uimn)180 ×72表示第i张碎纸图像的灰度值矩阵,0 ≤ uimn≤255 表示第m行第n列的像素值,0 ≤ uimn≤255 。针对中文字体的特点,可以引入以下特征值,如图3 所示。

第i张碎纸图像的上特征值可以用Ai表示。其中,Ai> 0 表示第i张碎纸图像上第一行像素点的灰度值全为255,即全部为白色像素点; Ai< 0 表示第i张碎纸图像上第一行像素点的灰度值不全为255,即为某汉字的一部分。计算公式如下所示:

当Ai> 0 时,| Ai|表示第i张碎纸图像中第一行开始连续全白行向量的数量; 当Ai< 0 时,| Ai|表示第i张碎纸图像中第一行开始连续非全白行向量的数量。

第i张碎纸图像的下特征值可以用Bi表示。其中,Bi> 0 表示第i张碎纸图像上最后一行像素点的灰度值全为255,即全部为白色像素点; Bi< 0 表示第i张碎纸图像上最后一行像素点的灰度值不全为255,即为某中文汉字的一部分。每张碎纸图像具有L行像素( 在本文的仿真过程中,每张图片为180 × 72 像素,L = 180 ) ,计算公式如下所示:

当Bi> 0 时, |Bi|表示第i张碎纸图像中最后一行开始向上连续全白行向量的数量; 当Bi< 0 时, Bi表示第i张碎纸图像中最后一行开始向上连续非全白行向量的数量。

为拼接得到原纸张图像,除需获得每张碎纸图像的上、下特征值之外,还需知道一个普通印刷文字的高度h,以及两行文字之间的行距s ( 其图像说明见图4) 。

在中文文档中,中文行与行之间会空白像素行,这些空白像素行的数量即为行距。行距s的函数表达式如下:

式中kab代表碎纸图像中的不同部分出现连续空白像素行的数量,其表达式如下:

将每张碎纸图像的灰度值矩阵Ui代入公式,可以得到图片中两行汉字之间的行距s 。

在中文碎纸图像中,如果从第一像素行开始出现多行连续空白行,则可以认为与汉字最接近空白像素行的下一行为汉字顶部; 同理,如果在汉字下方出现多行连续空白行,则可认为与汉字最接近空白行的上一行为汉字底部。可以得到汉字高度的函数表达式:

式中jab代表碎纸图像中的不同部分出现连续非空白像素行的数量,其表达式如下:

将每张碎纸图像的灰度值矩阵Ui代入公式,可以得到图片中汉字高度h 。

1. 3 英文碎纸图像信息提取模型

由于英文字符的高度并不是一个定值,如英文字母o与y的字符高度便不同。因此,不能简单将中文碎纸图像特征应用于英文碎纸图像特征提取过程中,造成英文碎片图像特征提取比中文碎片图像提取困难得多。

本文引入新的英文碎纸图像特征值: αi表示第i张碎纸图像中灰度值矩阵的最左列向量出现灰色( 非白非黑) 像素点的次数,即出现在碎纸图像最左端灰度值在0 ~ 255 之间像素点的次数。因此,可以给出 αi的函数表达式:

βi表示第i张碎纸图像中灰度值矩阵的最右列向量出现灰色( 非白非黑) 点的次数,即出现在碎纸图像最左端灰度值在0 ~ 255之间像素点的次数。因此,其函数表达式如下:

Wij表示第i张碎纸图像灰度值矩阵的最左列向量中第j个灰色点出现的位置,取灰色点最上端的位置作为Wij的值:

此时i、j、k间满足( aik- ai,k -1- 1) ( aik- j) = 0 。

Vij表示第i张碎片中灰度值矩阵的最右列向量中第j个灰色点出现的位置,取灰色点最上端的位置作为Vij的值:

此时i、j、k间满足( bik- bi,k -1- 1) ( bik- j) = 0 。

通过该方法可以很快找出位于第一列的所有碎纸片,从中随机取一张( 设其编号为i) 。然后将剩下来的所有未被选择的碎纸片与其逐一进行匹配,若碎片i' 满足以下两个条件,则认为碎片i' 为碎片i的最佳匹配碎片。

两碎片拼接的匹配条件:

( 1) 需要比较边缘灰色像素点出现次数,要满足左边碎片的灰色像素点出现次数等于右边碎片的灰色像素点出现次数,即满足以下条件:

( 2) 还要比较其对应灰色像素点的位置,还要满足左边碎片各对应灰色像素点位置与右边碎片对应灰色像素点位置相差不大,即满足以下条件:

两碎片拼接约束条件:

( 1) 当无法找到匹配碎片时,匹配停止。即找不到碎片满足上面两个匹配条件时,该组拼接到此处停止,不再继续拼接。

( 2) 当匹配到最后一块碎片的右侧灰色块出现次数为0时,匹配停止。

此时认为编号为i' 的碎片与编号为i的最佳匹配碎片。显然,这样可以在很大程度上排除相似碎片的影响,却也有极小可能出现非真正匹配碎片也满足该条件,即出现多种匹配结果。此时,就需要加以人工干预。

2 图像匹配数学模型

在提取特征后,结合每张碎纸图像的上特征值和下特征值,通过字高以及行距将全部的碎纸图片进行K-mean聚类,即同一行的碎片划分为一类; 然后,通过旅行商优化算法计算同一类碎片之间的排序和行与行之间的排序,从而获得原始图像。根据以上信息,碎片图像拼接流程如图6 所示。

确定碎纸图像特征值后,需要对碎纸图像进行分类,即将处于同一行的碎纸图像归为同一类。由于碎片图像是通过规则的纵横裁切得到,同一行碎片的各个字所在的高度基本相等的,位于同一水平线上。为此,以上、下特征值作为聚类指标,以本文仿真的209 张碎纸图像为例( 将1 张完整纸张切成11 × 19 的小纸片,每张小纸片的像素为180 × 72) ,运用SPSS软件对这11 ×19 张碎纸图片进行K-mean聚类分析,将11 × 19 张碎纸图片聚类成11 类,每类包括19 张图片。

将属于同一行的碎纸图片聚类完成后,需要将同一行的碎纸图片进行拼接。此时将问题转化为对11 组碎片进行自动拼接问题。由于各碎纸图像的纵向长度较小,如果依次匹配边界偏差绝对值最小的碎片,会造成较大偏差。因此,本文类比旅行商设计问题: 将属于同一行的19 块碎片类比为19 个待访问的站点,碎片之间的偏差绝对值即为有向距离值。从全白的左端碎片开始拼接到第19 块碎片,再拼接一块全白的右端碎片,类比为从起始点出发,访问19 个站点,然后返回起始点,寻找使拼接结果的总绝对偏差值最小的拼接方法。

据此,本文建立误差最小旅行商优化模型,目标函数为:

约束条件为:

其中,Sij表示碎纸图像i和碎纸图像j是否能够拼接在一起,是0 - 1 变量。Dij表示碎纸图像i和碎纸图像j的有向距离值。

采用LINGO软件进行求解,得到全局最优解,即碎片拼接的最佳方案。之后对已完成行内拼接的碎片,利用该方法,再进行行间拼接。最有对拼接好的内容,通过上、下特征值和行距的定义及其关系,对相邻行之间进行验证( 防止发生整段文字位置交换的情况发生) 。

3 结果分析

一个算法的质量优劣将影响到算法乃至程序的效率。本文提出的数学模型计算量为n3。由于实际应用中,碎片图像会有颜色失真、灰度偏离等现象的发生,干扰文本碎片拼接。

为了衡量本文建立的文本碎片自动拼接模型的稳定性,对于图片模拟噪声进行灵敏度分析。通过计算机对部分碎片的灰度值进行随机修改,观察在不同干扰程度下,模型拼接结果的变化情况,依次评价碎片失真程度对拼接结果的影响情况。

首先通过计算机模拟实际生活中的噪声产生[7],对碎片图片随机选择点,修改其灰度值为一随机值。随噪点比例增加,图像的辨识难度增加。在增加图片噪点比例的同时,分别使用建立的模型对文本碎片进行拼合处理,记录模型拼接方案发生错误的时的噪点比例,作为模型对噪点比例的敏感情况。记录结果如表1 所示。

由表1 分析可知,在拼接碎片相同的情况下,所建立的模型对噪点比例的敏感程度较低,能完成一定碎片图像失真情况下的拼接任务。

4 结语

本文对中文碎纸图像和英文碎纸图像特征值提取进行了深入分析,并给出了图像匹配的TSP优化数学模型。尤其是对于规则的纵切横切碎纸自动拼接问题给出了普适的求解方法。在文章的最后进行仿真分析,对于209 张中英文碎纸图像,应用本文提出的数学模型可以实现碎纸的全自动拼接,无需人为干预。

摘要：碎纸自动拼接算法是计算机图形图像应用的一个热点领域。对于碎纸拼接主要由计算机图像预处理、图形图像特征提取和图像匹配三个过程组成。针对中文内容碎纸和英文内容碎纸的区别,给出了两种不同的图像特征提取方法。首先建立聚类模型对碎纸图像中提取的图像特征值进行K-mean聚类得到属于同一行的碎片集合;然后建立旅行商优化数学模型,以拼接方案特征值误差平方和最小为目标函数,实现同一行碎片集合的排序,形成完整一行的图像;最后利用优化数学模型实现不同行图像的排序。实验结果显示:该拼接算法可以给出准确的拼接方案,且求解迅速,无需进行人工干预,实现真正的全自动拼接。

关键词：图像拼接,系统聚类,旅行商最优化

参考文献

[1]汤燕彬,许榕生.基于Tanimoto系数的JPEG碎片数据识别方法[J].计算机应用与软件,2011,28(9):80-81,92.

[2]王蓉,李伟,王斌君.碎片图像字符特征提取方法研究[J].科学技术与工程,2014,14(2):183-186.

[3]方贤勇,潘志庚,徐丹.图像拼接的改进算法[J].计算机辅助设计与图形学学报,2003,15(11):1362-1365.

[4]何鹏飞,周宗潭,胡德文.基于蚁群优化算法的碎纸拼接[J].计算机工程与科学,2011,33(7):67-73.

[5]罗智中.基于线段扫描的碎纸片边界检测算法研究[J].仪器仪表学报,2011,32(2):289-294.

[6]罗智中.基于文字特征的文档碎纸片半自动拼接[J].计算机工程与科学,2012,48(5):207-210.