[发明专利]一种基于蚁群算法的图文碎片恢复方法

说明书

本发明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。

技术领域

本发明涉及图像处理以及信息恢复技术领域，具体涉及一种基于蚁群算法的图文碎片恢复方法。

背景技术

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。

发明内容

为了解决现有技术中存在的问题，本发明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；