[发明专利]一种基于非凸二次规划的自然图像智能拼图方法及系统

说明书

本发明公开了一种基于非凸二次规划的自然图像智能拼图方法及系统，本发明结合了马氏梯度度量和投影的幂方法的优点，利用二次规划模型，将拼图碎片间组合优化问题转化为有约束的非凸优化问题，利用马氏梯度度量计算碎片边缘相邻程度关系，既考虑了边缘像素的灰度信息，又加入了边缘像素的梯度信息，提高了度量的准确性；基于投影的幂方法能够将碎片边缘相邻程度关系在高维空间中表示，并结合随机的初始排序关系，利用迭代的幂方法，进一步保证了空间中收敛到最优解的准确性，降低了图像复原的时间。

技术领域

本发明属于计算机视觉、图像分析和模式识别领域，尤其涉及一种基于非凸二次规划的自然图像智能拼图方法及系统。

背景技术

自然图像智能拼图是计算机视觉、图像分析和模式识别领域中的一个具有实际应用价值的问题。计算机自动拼图是利用碎片的形状、纹理、颜色等特征，将改变顺序和方向的碎片复原成原始图像的过程。给定一定数量的无重叠的碎片，计算机利用碎片的特征得出碎片间的特定关系，将拼图问题转化为数学优化问题求解建模，最优解即为拼图中碎片的一组正确的排列组合方式。智能拼图问题通常用来解决考古中的古文物碎片复原、生物研究中DNA/RNA建模以及刑事侦查中物证碎片复原问题等。

智能拼图通常被视为广义排序问题，目前存在的解决方法是将拼图问题分为碎片间特征关系度量计算和优化过程求解两个部分。因拼图问题本身存在的多种挑战，多数求解技术多建立在特定问题中进行探讨(例如根据碎片形状、旋转等)。碎片间特征关系度量是指衡量碎片相邻可能性的一种距离计算方法，能够反映出两个碎片连接处的图像是否连续。目前常用的碎片间关系度量的方法多基于边缘颜色信息差值，具有计算速度快、易于实现等优点，但直接使用结果不够准确。

马氏梯度度量是由Ga l l agher于2012年提出的一种将马氏距离和像素梯度信息想结合的测量碎片间关系的度量方法。作为目前较流行的图像边缘相似度计算方法，马氏梯度度量已经在拼图领域得到了广泛应用。其核心思想利用马氏距离公式，在考虑最靠近边缘的像素信息同时还加入了边缘的梯度信息。然而，马氏梯度度量在提高准确率的同时，由于其计算量大的原因，也增加了运算时间。

投影的幂方法是陈昱鑫于2016年提出的一种用于解决非凸问题的数学优化模型。将所求问题升维到高维空间，利用幂方法求得表达中所需的主特征值，每次迭代中均做投影变换，用以降低问题的复杂程度，减少运算时间。

因此，目前需要本领域技术人员迫切解决的一个技术问题是：如何在因碎片度量产生噪声的同时复原打乱顺序和方向的拼图图像，提高智能拼图算法的准确性和效率。

发明内容

本发明为了解决上述问题，提出了一种基于非凸二次规划的自然图像智能拼图方法及系统，本发明结合了马氏梯度度量和投影的幂方法的优点，利用二次规划模型，将拼图碎片间组合优化问题转化为有约束的非凸优化问题，解决了碎片形状为正方向的旋转拼图问题。

本发明可应用于计算机视觉、图像分析和模式识别领域，将碎片图像进行拼接，形成完整的正确图像，以进一步进行分析和处理。

为了实现上述目的，本发明采用如下技术方案：

一种基于非凸二次规划的自然图像智能拼图方法，对每个碎片进行编号和方向定义，利用马氏梯度度量计算碎片边缘相邻程度关系，构建表达水平和竖直方向上的碎片间相似度，基于投影的幂方法将碎片边缘相邻程度关系在高维空间中表示，并结合随机的初始排序关系，利用迭代的幂方法进行寻优求解，直到得到最优排列序列，根据最优排列序列复原图像。

具体包括以下步骤：

对打乱顺序和方向的多个碎片进行初始化定义，为每一个碎片标注图片序号和方向序号；

计算碎片间的关系，利用马氏梯度度量方法，在水平和竖直方向上，构建碎片间相似度度量矩阵；