基于杰卡德度量的智能拼图改进算法

摘要：

智能拼图算法常用的方法是先求出各个碎片之间的相似度度量,再根据度量还原图像.MGC(马氏梯度相似度度量)是其中一种很有效的度量,但在实际运用过程中,如果碎片中有大量相似物体存在时,算法不能很好地还原图像,会出现类似于"乱码"的情况.提出了一种利用Jaccard(杰卡德)度量,结合MGC度量,计算图像碎片之间的相似度,再利用贪心策略还原图像.实验结果表明,对于由自选图像随机生成的碎片,算法能够更准确地还原图像,并且能减小出现"乱码"图像的概率.提出了把Jaccard度量和MGC度量相结合的方法运用在智能拼图的还原中,尤其是当拼图碎片中有很多相似物体的情况下,该方法能明显地减少"乱码"现象,同时实验仿真结果证明了提出的方法比单纯的MGC方法具有抗噪性强和拼图准确率高的特点,在考古学碎片图片和文字复原、计算机取证、图像合成和场景无缝拼接等领域有一定的实用价值.

关键词：智能拼图、杰卡德度量、马氏梯度相似度度量(MGC)、最小生成树

所属期刊栏目：54

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家科技支撑计划课题2015BAH54F01;江苏省自然科学基金青年基金BK20130161,BK20151131

在线出版日期：2018-01-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：188-192,197