基于杰卡德度量的智能拼图改进算法

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。

基于余弦距离的智能拼图算法的应用研究

由于智能拼图算法根据相邻块的相似度进行组装,如何计算拼图块之间的相似度度量至关重要。目前,大多数拼图算法侧重于单纯地计算碎片边缘相似性,对碎片内容相似度与边缘相似度结合的算法研究甚少。因此,本文提出一种计算两个拼图块之间的余弦距离的内容相似度评分的算法,研究内容相似度对智能拼图的重要性,并对部分网络图片以及笔者拍摄的图片进行实验。实验结果表明,本文算法具有更高的准确率。