一种基于蚁群算法的图文碎片恢复方法技术

本发明专利技术公开了一种基于蚁群算法的图文碎片恢复方法，包括以下步骤：获取碎片图像，对所述碎片图像进行预处理；获取所述碎片图像的图像特征，所述图像特征为人工生成的数据集或从所述碎片图像中提取的数据集；根据所述图像特征对所述碎片图像进行聚类，生成对应的特征集；利用蚁群算法对所述特征集内的所述碎片图像进行优化拼接组合，获得局部拼合图像；利用蚁群算法对所述局部拼合图像进行优化拼接组合，输出最终拼合图像。本发明专利技术采用蚁群算法分两步进行碎片图像拼接，避免了蚂蚁数量太多带来的收敛速度慢的问题，适用于碎片图像较多的情况，能够避免陷入局部最优，拼接准确率更高。

【技术实现步骤摘要】
一种基于蚁群算法的图文碎片恢复方法
本专利技术涉及图像处理以及信息恢复
，具体涉及一种基于蚁群算法的图文碎片恢复方法。
技术介绍
碎纸片拼接在文物修复、司法鉴定等领域有普遍的应用。传统上，拼接复原工作需由人工完成，准确率高，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，人们试图开发碎纸片的自动拼接技术，以提高拼接复原效率。目前，碎纸片自动拼接问题主要有两种解决方案：基于轮廓的拼接和基于内容的拼接。
技术实现思路
为了解决现有技术中存在的问题，本专利技术提供了一种基于蚁群算法的图文碎片恢复方法，具体技术方案如下：一种基于蚁群算法的图文碎片恢复方法，包括以下步骤：获取碎片图像，对所述碎片图像进行预处理；获取所述碎片图像的图像特征，所述图像特征为人工生成的数据集或从所述碎片图像中提取的数据集；根据所述图像特征对所述碎片图像进行聚类，生成对应的特征集；利用蚁群算法对所述特征集内的所述碎片图像进行优化拼接组合，获得局部拼合图像；利用蚁群算法对所述局部拼合图像进行优化拼接组合，输出最终拼合图像。进一步地，所述获取碎片图像，包括：扫描所述碎片，获得含背景的所述碎片图像；对所述碎片图像进行膨胀处理或腐蚀处理，获得不含背景的所述碎片图像；对所述碎片图像进行编号，所述编号用于在输出局部拼合图像和整体拼合图像的同时，获取所述碎片图像的排列顺序。进一步地，所述对所述碎片图像进行预处理，包括：对所述碎片图像进行降噪处理；读取所述碎片图像的像素值，得到所述碎片图像的像素矩阵；进一步地，所述对所述碎片图像进行预处理，还包括：从所述碎片图像中提取所述图像特征，所述图像特征包括颜色、纹理和轮廓特征。进一步地，所述利用蚁群算法对所述特征集内的所述碎片图像进行优化拼接组合，包括：初始化信息素浓度；将蚂蚁随机分布到不同的出发点；建立欧氏距离矩阵，所述欧氏距离矩阵用于存储蚂蚁所在的所述碎片图像到下一个可选所述碎片图像之间的欧氏距离，所述欧氏距离为启发信息；基于信息素浓度运用轮盘赌的选择方法由蚂蚁选择下一个所述碎片图像；对信息素进行局部更新，并将所选择的所述碎片图像加入禁忌列表；再次执行所述建立欧氏距离矩阵步骤，直至蚂蚁遍历所述特征集内的所述碎片图像；计算各蚂蚁经过的路径长度，记录当前迭代次数最优解，同时对路径上的信息素浓度进行更新；判断是否达到最大迭代次数，若否，则再次执行所述将蚂蚁随机分布到不同的出发点步骤；若是，则输出结果。进一步地，所述利用蚁群算法对所述特征集内的所述碎片图像进行优化拼接组合，还包括：设置相关参数的参数值，所述相关参数值包括蚁群规模、信息素因子、启发函数因子、信息素挥发因子、信息素常数和最大迭代次数。进一步地，所述若是，则输出结果，包括：输出所述局部拼合图像和输出寻优过程中的相关指标，所述相关指标包括运行时间和收敛迭代次数。进一步地，所述利用蚁群算法对所述局部拼合图像进行优化拼接组合，包括：初始化信息素浓度；将蚂蚁随机分布到不同的出发点；建立欧氏距离矩阵，所述欧氏距离矩阵用于存储蚂蚁所在的所述局部拼合图像到下一个可选所述局部拼合图像之间的欧氏距离，所述欧氏距离为启发信息；基于信息素浓度运用轮盘赌的选择方法由蚂蚁选择下一个所述局部拼合图像；对信息素进行局部更新，并将所选择的所述局部拼合图像加入禁忌列表；再次执行所述建立欧氏距离矩阵步骤，直至蚂蚁遍历所述局部拼合图像；计算各蚂蚁经过的路径长度，记录当前迭代次数最优解，同时对路径上的信息素浓度进行更新；判断是否达到最大迭代次数，若否，则再次执行所述将蚂蚁随机分布到不同的出发点步骤；若是，输出结果。进一步地，所述利用蚁群算法对所述局部拼合图像进行优化拼接组合，还包括：设置相关参数的参数值，所述相关参数值包括蚁群规模、信息素因子、启发函数因子、信息素挥发因子、信息素常数和最大迭代次数。进一步地，所述若是，则输出结果，包括输出所述局部拼合图像和输出寻优过程中的相关指标，所述相关指标包括运行时间和收敛迭代次数。实施本专利技术具有以下有益效果：1、本专利技术根据图像特征对所述碎片图像进行聚类，生成对应的特征集，聚类使得碎片图像的分组效果更好；2、本专利技术采用蚁群算法分两步进行碎片图像拼接，先将特征集内的碎片图像拼接成局部拼合图像，再对局部拼合图像进行拼合，从而避免了蚂蚁数量太多带来的收敛速度慢的问题，适用于碎片图像较多的情况；3、本专利技术采用轮盘赌的选择方法确定转移概率，能够避免陷入局部最优，且收敛速度快，拼接准确率更高。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。图1是本专利技术实施例提供的一种基于蚁群算法的图文碎片恢复方法的计算机终端的硬件结构框图；图2是本专利技术实施例1提供的一种基于蚁群算法的图文碎片恢复方法的工作流程图；图3是本专利技术实施例提供的计算机终端的结构框图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例1本专利技术提供了一种基于蚁群算法的图文碎片恢复方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。本申请实施例1所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是根据本专利技术实施例的基于倾斜视角检测的视频播放方法的计算机终端的硬件结构框图。如图1所示，计算机终端100可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端100还可包括比图3中所示更多或者更少的组件，或者具有与图1所示不同的配置。存储器104可用于存储应用软件的软件程序以及模块，如本专利技术实施例中的基于倾斜视角检测的视频播放方法对应的程序指令/模块，处理器102通过运行本文档来自技高网...

【技术保护点】
一种基于蚁群算法的图文碎片恢复方法，其特征在于，包括：获取碎片图像，对所述碎片图像进行预处理；获取所述碎片图像的图像特征，所述图像特征为人工生成的数据集或从所述碎片图像中提取的数据集；根据所述图像特征对所述碎片图像进行聚类，生成对应的特征集；利用蚁群算法对所述特征集内的所述碎片图像进行优化拼接组合，获得局部拼合图像；利用蚁群算法对所述局部拼合图像进行优化拼接组合，输出最终拼合图像。

【技术特征摘要】
1.一种基于蚁群算法的图文碎片恢复方法，其特征在于，包括：获取碎片图像，对所述碎片图像进行预处理；获取所述碎片图像的图像特征，所述图像特征为人工生成的数据集或从所述碎片图像中提取的数据集；根据所述图像特征对所述碎片图像进行聚类，生成对应的特征集；利用蚁群算法对所述特征集内的所述碎片图像进行优化拼接组合，获得局部拼合图像；利用蚁群算法对所述局部拼合图像进行优化拼接组合，输出最终拼合图像。2.根据权利要求1所述的方法，其特征在于，所述获取碎片图像，包括：扫描所述碎片，获得含背景的所述碎片图像；对所述碎片图像进行膨胀处理或腐蚀处理，获得不含背景的所述碎片图像；对所述碎片图像进行编号。3.根据权利要求1所述的方法，其特征在于，所述对所述碎片图像进行预处理，包括：对所述碎片图像进行降噪处理；读取所述碎片图像的像素值，得到所述碎片图像的像素矩阵。4.根据权利要求3所述的方法，其特征在于，所述对所述碎片图像进行预处理，还包括：从所述碎片图像中提取所述图像特征，所述图像特征包括颜色、纹理和轮廓特征。5.根据权利要求1所述的方法，其特征在于，所述利用蚁群算法对所述特征集内的所述碎片图像进行优化拼接组合，包括：初始化信息素浓度；将蚂蚁随机分布到不同的出发点；建立欧氏距离矩阵，所述欧氏距离矩阵用于存储蚂蚁所在的所述碎片图像到下一个可选所述碎片图像之间的欧氏距离，所述欧氏距离为启发信息；基于信息素浓度运用轮盘赌的选择方法由蚂蚁选择下一个所述碎片图像；对信息素进行局部更新，并将所选择的所述碎片图像加入禁忌列表；再次执行所述建立欧氏距离矩阵步骤，直至蚂蚁遍历所述特征集内的所述碎片图像；计算各蚂蚁经过的路径长度，记录当前迭代次数最优解，同时对路径上的信息素浓度进行更新；判断是否达到最大迭代次数，若否...

【专利技术属性】
技术研发人员：吴忠秀，周琴，孙小江，
申请(专利权)人：海南职业技术学院，
类型：发明
国别省市：海南,46