CN103559697A - 基于fft的碎纸片纵切拼接复原算法 - Google Patents
基于fft的碎纸片纵切拼接复原算法 Download PDFInfo
- Publication number
- CN103559697A CN103559697A CN201310458539.7A CN201310458539A CN103559697A CN 103559697 A CN103559697 A CN 103559697A CN 201310458539 A CN201310458539 A CN 201310458539A CN 103559697 A CN103559697 A CN 103559697A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- fft
- signal
- matrix
- correlation coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种基于FFT的碎纸片纵切拼接复原算法,通过对图像碎片进行编码,将其转化为灰度矩阵,进行二值化处理,之后对碎片的左右边缘进行FFT处理,进行频域分析。然后确定原图的左右边沿碎片,利用FFT处理后各边缘列的归一化互相关系数对各个图像的左右边进行识别,匹配出相邻的图片,逐步重复上述过程,完整地复原所有碎片。利用该算法,复原正确率高,复原速度也与直接匹配法相当,是一种高效的算法。
Description
技术领域
本发明主要运用于图像拼接(文字拼接)领域,设计了一种基于FFT的碎纸片纵切拼接复原算法。
背景技术
快速傅里叶变换,是离散傅氏变换的快速算法,它是根据离散傅氏变换的奇、偶、虚、实等特性,对离散傅里叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现,但是对于在计算机系统或者说数字系统中应用离散傅立叶变换,可以说是进了一大步。
快速傅氏变换算法可以运用到图像拼接的领域。
发明内容
将原理图编码,编码后使之转化为矩阵。其中,为了减少算法的计算量和时间复杂度,编码采用的编码方式为,将所有白色的像素设定为0,其他均为1。编码后之后,得到矩阵,便于后续处理。
将编码后的数据进行识别然后进行FFT处理,对各个碎片进行频域变化,进行频谱分析。求其矩阵边缘相互之间的自相关性,将自相关性最大的两张碎片进行拼接。
附图说明
图1为算法流程图。
具体实施方案
为了探寻两个相邻碎片间的关系,本算法将各个碎片编码后矩阵的边缘列进行FFT快速傅里叶变换,因为最终图片的最左边全为白色,所以首先可以得到原图最左边一列,再将该碎片的最右列和其他碎片的最左列逐一进行互相关系数的计算,得出一族互相关系数,选取其中结果最大的一列的碎片进行匹配,得到最终结果。
傅里叶原理表明:任何连续测量的时序或信号,都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅里叶变换算法利用直接测量到的原始信号,以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。
对于信号的分析,很多情况下仅依靠时域是远远不够的,很多时域上不好分析的信号转入频域的分析中,立即变得便于分析。本算法依据分析的需要,分别将每个灰度矩阵的左上角和右上角看作起点,将0-1二值矩阵一列的取值看作y轴,将离散的点看作t轴,对其进行FFT处理。得到每个矩阵的边缘列的频谱。对它的特征进行提取,并分别计算它与其它碎纸片边缘的互相关系数,进行匹配。笔者认为,频谱特征接近,即互相关系数接近的两个碎纸片处在相邻的位置。
该算法的流程图如图1所示:
图片编码矩阵的FFT处理:
① FFT快速傅里叶变换与DFT离散傅里叶变换算法的比较:
令:
从上文可以发现,FFT算法对于DFT算法的改进,主要基于的取值特性,进行了一种合并,从而改进运算。DFT算法的运算量是与成正比的,,而利用的某些特性,可以将一个大点数DFT的运算分解为若干小点数的DFT运算组合,以减少运算量。该种FFT算法运算量与成正比,改进效果明显,所以本算法采用该种FFT算法进行计算。
② FFT算法对于碎片的处理与匹配:
对图片进行二值编码,首先确定出最左的碎片,之后再将该碎片矩阵的最右列进行FFT处理得到其频谱,之后选取其他各碎片对应矩阵最左列的频谱与其最接近的进行匹配。
但是,这样进行碎片的匹配需要添加较多的人工干预,为了让计算机进行自动的匹配,本专利接下来引入了相关性去对频谱的匹配程度进行定量的衡量。
归一化互相关系数模型
在信号处理中经常要研究两个信号的相关性或一个信号经过一段延迟后自身的相关性以实现信号的检测识别与提取等。互相关系数是描述两个信号的相关性重要统计量。其中,归一化互相关系数能够量化地描述两个信号的相似性,而且它的值离1越近则反映两个信号相似性越强,否则越弱。其正负还可以直接反映出两信号相关性的正向或负向。此外,该模型具有算法简单、抗白噪声干扰力强等优点,是一种科学、高效的模型。该模型主要的应用领域在于数字图像处理,与本问题的领域契合,本身在此问题上就有应用的优势。相比之下,Pearson相关系数等求解相关性的方案的应用略逊一筹。在本问题中,本发明认为两个相邻的矩阵如果互相关系数越高,则两图片的匹配度越好,选取匹配度最高的图片进行匹配。
因为互协方差函数不能进行归一化处理,从而用量化的指标来清楚地反映出两个信号的相关系数,所以本算法采用了基于信号处理从归一化互相关系数模型去对两个信号的相关系数进行定量的衡量。
③ 算法的求解:
确定了图片的最左边后,利用上述模型对其余碎片二值矩阵的最左列FFT后的矩阵分别与原图最左列进行互相关系数的计算,选取其中数值最大的数对应的碎片进行匹配,逐步进行直至拼完整个图片为止。
Claims (1)
1.一种基于FFT的碎纸片纵切拼接复原算法,其特征在于,它包括以下步骤,
(1) 图片编码
本算法首先对图片进行预处理,用MATLAB导入文件并编码后使之转化为矩阵;其中,为了减少算法的计算量和时间复杂度,编码采用的编码方式为,将RGB的阈值设为128,对灰度矩阵进行反向处理,小于128的变为1,大于128的变为0;编码之后,得到矩阵,便于后续处理;
(2) 对每张图片的左右边进行识别,
为了探寻两个相邻碎片间的关系,本算法将的各个碎片编码后矩阵的边缘列进行FFT快速傅里叶变换处理,因为图片由文字组成其的最左边全为白色,所以首先可以人工得到原图最左边一列,再将该碎片的最右列和其他碎片的最左列逐一进行互相关系数的计算,得出一族互相关系数;本算法采用了基于信号处理从归一化互相关系数模型去对两个信号的相关系数进行定量的衡量;
不妨设两个样本分别为离散信号x(n)、y(n),长度为N同时将其看作两组同维的向量;
定义x(n)、y(n)的互相关系数如下式所示,
对于上式,由许瓦兹不等式,有,当且仅当x(n)、y(n)完全相关时,;当且仅当x(n)、y(n)完全不相关时,;当x(n)、y(n)在某种程度相关时,的取值在0和1之间;实际上,反映的是矢量X和Y夹角的余弦值,从而定量地反映出它们的相关性,选取其中结果最大的一列的碎片进行匹配,得到最终结果;
(3) FFT处理
傅里叶原理表明:任何连续测量的时序或信号,都可以表示为不同频率的正弦波信号的无限叠加;而根据该原理创立的傅里叶变换算法利用直接测量到的原始信号,以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位;对于信号的分析,很多情况下仅依靠时域是远远不够的,很多时域上不好分析的信号转入频域的分析中,立即变得便于分析;本算法依据分析的需要,分别将每个灰度矩阵的左上角和右上角看作起点,将0-1二值矩阵一列的取值看作y轴,将离散的点看作t轴,对其进行FFT处理,得到每个矩阵的边缘列的频谱,之后对它的特征进行提取,并分别计算它与其它碎纸片边缘的互相关系数,进行匹配;笔者认为,频谱特征接近,即互相关系数接近的两个碎纸片处在相邻的位置;(4) 图片拼接
利用互相关系数接近的两个碎纸片处在相邻的位置的原理,本算法逐步将各个碎片图片拼接在一起。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310458539.7A CN103559697A (zh) | 2013-10-03 | 2013-10-03 | 基于fft的碎纸片纵切拼接复原算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310458539.7A CN103559697A (zh) | 2013-10-03 | 2013-10-03 | 基于fft的碎纸片纵切拼接复原算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103559697A true CN103559697A (zh) | 2014-02-05 |
Family
ID=50013936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310458539.7A Pending CN103559697A (zh) | 2013-10-03 | 2013-10-03 | 基于fft的碎纸片纵切拼接复原算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103559697A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886570A (zh) * | 2014-04-09 | 2014-06-25 | 济南大学 | 一种碎纸机切割的双面文档碎片拼接方法 |
CN103942771A (zh) * | 2014-04-17 | 2014-07-23 | 济南大学 | 一种基于0-1规划的块状文档碎片拼接方法 |
CN104217411A (zh) * | 2014-09-02 | 2014-12-17 | 济南大学 | 一种不规则破碎单面图像快速拼接方法 |
CN104463136A (zh) * | 2014-12-19 | 2015-03-25 | 中科创达软件股份有限公司 | 一种文字图像识别方法及装置 |
CN104657964A (zh) * | 2015-03-09 | 2015-05-27 | 重庆邮电大学 | 一种碎片图像计算机自动拼接方法 |
CN103778597B (zh) * | 2014-02-18 | 2016-09-07 | 济南大学 | 一种基于0-1规划的文档碎片拼接方法 |
CN106971453A (zh) * | 2017-04-06 | 2017-07-21 | 深圳怡化电脑股份有限公司 | 纸币碎片拼接的方法及装置 |
CN108109108A (zh) * | 2016-11-25 | 2018-06-01 | 北京视联动力国际信息技术有限公司 | 一种基于余弦相似性自适应算法的图像拼接方法和装置 |
CN108520547A (zh) * | 2018-04-26 | 2018-09-11 | 青岛海信电器股份有限公司 | 图像处理方法、装置、设备及存储介质 |
CN109903270A (zh) * | 2019-01-28 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 牲畜群体数目监测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000253254A (ja) * | 1999-03-01 | 2000-09-14 | Matsushita Electric Ind Co Ltd | ノッチ除去方式 |
CN102500452A (zh) * | 2011-10-13 | 2012-06-20 | 西安理工大学 | 碎纸机纸质条状碎片恢复系统及纸质条状碎片恢复方法 |
CN103020929A (zh) * | 2012-11-26 | 2013-04-03 | 西安理工大学 | 基于文字特征的碎纸机破碎文档恢复方法 |
-
2013
- 2013-10-03 CN CN201310458539.7A patent/CN103559697A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000253254A (ja) * | 1999-03-01 | 2000-09-14 | Matsushita Electric Ind Co Ltd | ノッチ除去方式 |
CN102500452A (zh) * | 2011-10-13 | 2012-06-20 | 西安理工大学 | 碎纸机纸质条状碎片恢复系统及纸质条状碎片恢复方法 |
CN103020929A (zh) * | 2012-11-26 | 2013-04-03 | 西安理工大学 | 基于文字特征的碎纸机破碎文档恢复方法 |
Non-Patent Citations (1)
Title |
---|
马知也: "碎纸片的拼接复原方法研究", 《天水师范学院学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778597B (zh) * | 2014-02-18 | 2016-09-07 | 济南大学 | 一种基于0-1规划的文档碎片拼接方法 |
CN103886570A (zh) * | 2014-04-09 | 2014-06-25 | 济南大学 | 一种碎纸机切割的双面文档碎片拼接方法 |
CN103942771A (zh) * | 2014-04-17 | 2014-07-23 | 济南大学 | 一种基于0-1规划的块状文档碎片拼接方法 |
CN104217411A (zh) * | 2014-09-02 | 2014-12-17 | 济南大学 | 一种不规则破碎单面图像快速拼接方法 |
CN104217411B (zh) * | 2014-09-02 | 2017-10-31 | 济南大学 | 一种不规则破碎单面图像快速拼接方法 |
CN104463136A (zh) * | 2014-12-19 | 2015-03-25 | 中科创达软件股份有限公司 | 一种文字图像识别方法及装置 |
CN104463136B (zh) * | 2014-12-19 | 2019-03-29 | 中科创达软件股份有限公司 | 一种文字图像识别方法及装置 |
CN104657964A (zh) * | 2015-03-09 | 2015-05-27 | 重庆邮电大学 | 一种碎片图像计算机自动拼接方法 |
CN104657964B (zh) * | 2015-03-09 | 2017-10-31 | 重庆邮电大学 | 一种碎片图像计算机自动拼接方法 |
CN108109108A (zh) * | 2016-11-25 | 2018-06-01 | 北京视联动力国际信息技术有限公司 | 一种基于余弦相似性自适应算法的图像拼接方法和装置 |
CN106971453A (zh) * | 2017-04-06 | 2017-07-21 | 深圳怡化电脑股份有限公司 | 纸币碎片拼接的方法及装置 |
CN106971453B (zh) * | 2017-04-06 | 2020-01-14 | 深圳怡化电脑股份有限公司 | 纸币碎片拼接的方法及装置 |
CN108520547A (zh) * | 2018-04-26 | 2018-09-11 | 青岛海信电器股份有限公司 | 图像处理方法、装置、设备及存储介质 |
CN109903270A (zh) * | 2019-01-28 | 2019-06-18 | 中国科学院遥感与数字地球研究所 | 牲畜群体数目监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103559697A (zh) | 基于fft的碎纸片纵切拼接复原算法 | |
Fadl et al. | Robust copy–move forgery revealing in digital images using polar coordinate system | |
CN106126617A (zh) | 一种视频检测方法及服务器 | |
CN107622489B (zh) | 一种图像篡改检测方法及装置 | |
Routray et al. | Efficient hybrid image denoising scheme based on SVM classification | |
KR101191516B1 (ko) | 향상된 이미지 식별 | |
AlSawadi et al. | Copy-move image forgery detection using local binary pattern and neighborhood clustering | |
Chen et al. | Fast computation of sliding discrete Tchebichef moments and its application in duplicated regions detection | |
US20130243341A1 (en) | Frequency domain interest point descriptor | |
CN103530634A (zh) | 人脸特征提取方法 | |
Al-Hammadi et al. | Curvelet transform and local texture based image forgery detection | |
Dixit et al. | Copy-move forgery detection exploiting statistical image features | |
Muhammad | Multi-scale local texture descriptor for image forgery detection | |
Huynh-Kha et al. | A robust algorithm of forgery detection in copy-move and spliced images | |
Nawaz et al. | Image authenticity detection using DWT and circular block-based LTrP features | |
Gao et al. | Detection of median filtering based on ARMA model and pixel-pair histogram feature of difference image | |
CN101937511B (zh) | 基于随机并行优化算法的快速图像匹配方法 | |
Song et al. | The method of shape recognition based on V-system | |
Le-Tien et al. | Combined Zernike moment and multiscale Analysis for tamper detection in digital images | |
Bai et al. | A novel saliency detection model based on curvelet transform | |
Yang et al. | A license plate recognition system based on machine vision | |
Dixit et al. | Dct and dwt based methods for detecting copy-move image forgery: A review | |
Li et al. | Dictionary learning based image enhancement for rarity detection | |
Zhang et al. | From pixels to region: a salient region detection algorithm for location-quantification image | |
Oyiza et al. | An improved discrete cosine transformation block based scheme for copy-move image forgery detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140205 |