基于聚类分析的规则文字碎片拼接技术研究

电子技术与软件工程Electronic Technology&Software Engineering数据库技术Database Technology基于聚类分析与欧氏距离模型的碎纸片拼接复原谢亚旗'缪杨2梁伟彳王韵"安秋平'（1.深圳市建设工程造价管理站广东省深圳市518031 2.海口经济学院海南省海口市571127）（3.贵州数联铭品科技有限公司贵州省贵阳市5500054.中交一航局生态工程有限公司广东省深圳市518000）摘要：本文基于相关性分析与图像匹配算法结合系统聚类法与欧氏距离数学模型研究碎纸片的拼装复原问题。

首先使用Matlab编程提取出图片关键位置的灰度值矩阵，然后利用spss软件进行图片边缘矩阵的相关分析，得到了各图片边缘特征的连接关系，找出与各矩阵最相似的对应矩阵，得到了各图片最佳匹配对象及相关系数表，最后建立相关性分析在匹配聚类分析的系统聚类法与欧氏距离数学模型，通过图片特征进行匹配排序，利用Matlab绘制出了各图片文字拼接结果。

关键词：拼接；聚类分析；灰度值矩阵；欧氏距离模型；人工干预1引言破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域也存在类似的问题，大量的纸质物证复原工作目前基本上都是以手工方式完成的。

一旦碎纸的数量增大到几百甚至上千块的时候，如果仍然依靠手工完成，不但耗费大量的人力、物力，而且还可能对物证造成一定的损坏。

目前，在国际上，德国等发达国家对破碎文件的自动修复技术己经进行了相当长时间的研究。

但是由于技术封锁的原因，我们所能够搜集的资料非常有限。

而在国内，还没有类似的研究成果问世。

因此，结合碎纸自动拼接在司法物证复原、历史文献修复以及军事情报获取等领域的应用这一背景，把计算机视觉和模式识别应用于碎片复原，开展对碎纸自动拼接技术的研究具有重要的现实意义。

本文研究如下问题：对于碎纸机既纵切又横切的情形，每页纸被切为11x19个碎片，设计碎纸片拼接复原模型和算法，并针对给出的中、英文各一页文件的416块碎片数据进行拼接复原。

智能制造数码世界 P.256基于提升计算机文档碎片拼接复原技术算法优化探析陈实 长沙医学院摘要：随着新时代的到来，我国经济实力和人们生活水平的不断提高，人们对计算机的需求量也在不断的扩大，对文档碎片拼接复原技术提出了一定的要求，而碎片文件的拼接复原在军事及司法考证等方面得到了广泛应用，在运用传统的方式进行碎片文件拼接的过程中，主要是运用人工的方式进行碎片文件的拼接工作，这种方式的效率较低，可能会对材料造成直接的物理损害。

为了能够保证碎片拼接的工作效率，就需要对传统方式进行改进和创新，在互联网技术不断发展进步的环境下，可以运用文字数据化的特征来进行碎片的匹配工作，从而能够提高碎片文件拼接的工作效率。

关键词：计算机 文档碎片 拼接复原引言随着信息化技术的不断发展进步，计算机在我们日常生活中得到了广泛应用，在运用计算机技术进行碎片拼接复原的过程中，一般的原理是利用碎纸片二维化的特征进行匹配。

在对碎纸片进行拼接复原的过程中，可以运用现代先进的技术进行拼接复原工作，从而能够提高碎片拼接复原的工作效率。

1、符号说明2、问题分析及模型建立2.1针对仅纵切图片的拼接2.1.1问题分析在文件出现破碎的时候，其破碎的方式是纵切的情况下，文件的碎片切割线上的信息量相对来说对比较充足的时候，通过运用边缘线灰度矩阵之间的欧氏距离进行碎拼的拼接工作。

2.1.2模型建立在运用MATLAB软件生成碎片的灰度矩阵的过程中，碎片的数量是在19片的情况下，其灰度矩阵是：其次，我们有建立了目标函数，其公式为：算法为：（1）我们首先需要找出文件的基准碎片，其公式为：一般情况下，对文件进行打印的过程中，文件中会存留一定的页面边距。

在找取第一张基准碎片的过程中，可以根据文件纵切碎片的特点来利用文件破碎左侧的空白来进行第一张基准碎片的找取。

在空白部分会生成一定的灰度矩阵，其空白处灰度矩阵的元素是最大的，数值为255。

因此，我们可以采取每一个碎片的最左侧一列，来对这些碎片的矩阵元素进行求和，其中求和最大值的碎片就是我们所需要的，其公式为：通过公式的计算，我们可以得到基准碎片的序号，其序号为9。

聚类算法在文本分类中的应用研究随着互联网的发展，信息爆炸的局面愈发明显，海量的文本数据让人们感到头疼。

如何对这些文本进行分类和归纳，已经成为一个亟待解决的问题。

传统的文本分类方法通常是使用人工规则或者机器学习算法来处理。

然而，传统的文本分类方法通常对数据的要求比较高，不仅需要熟悉各种规则，而且还需要对数据本身有很深的了解。

在这种情况下，聚类算法成为了一种比较优秀的文本分类方法。

本文将介绍聚类算法在文本分类中的应用研究，并探讨如何改进聚类算法以提高文本分类的准确性。

一、聚类算法在文本分类中的应用聚类算法是将对象分为若干个类的方法，每个类的对象都有相似的性质。

在文本分类中，聚类算法将文本数据分为几个类别，每个类别包含一些相似的文本。

现在，有很多聚类算法可供选择，如K-means、层次聚类、谱聚类等。

1. K-means算法K-means算法是一种最常用的聚类算法之一。

该算法旨在将数据划分为k个不同的组，使得每个数据点都属于其中之一。

K-means算法的核心思想是根据数据点之间的欧几里得距离将数据点分配到最近的类中心。

该算法具有简单、易理解、易实现的优点。

但是，K-means算法的缺点也比较明显，因为它依赖于数据点之间的误差平方和，但是误差平方和无法“指导”聚类过程，因此导致聚类结果并不总是最优的。

2. 层次聚类算法层次聚类算法是另一种常用的文本分类算法。

该算法将数据点分层次聚类，发送数据点完全相似的层次结构。

在层次聚类中，数据点被处理成一棵树状图，不同的叶子节点代表不同的类别，相似的叶子节点被合并成较大的类别。

层次聚类的优点是可以处理大型数据集。

然而，该算法的缺点是需要进行大量的计算。

3. 谱聚类算法谱聚类算法是一种基于图论的聚类算法。

该算法先将文本数据处理成一个序列图，然后通过对其进行谱分解，得出特征向量，将样本点通过聚类算法分为不同的类别。

谱聚类算法的优点是可以处理小样本；缺点是计算矩阵特征向量和特征值。

切碎文字图片拼接还原的算法设计与实现摘要：对重要文件的拼接复原，传统上都由人工完成，拼接准确率虽然高但是效率很低。

本文旨在建立模型，利用计算机编程加少量的人工干预实现碎纸片的拼接复原。

全等矩形破碎文字图片的拼接还原技术是一种特殊的图片拼接复原技术，它处理的图片具有明显几何规律而不能采用边沿几何形状识别拼接还原。

对于规律性较强的图片，先通过数据挖据，得到图片中所有文字占据连续像素行的平均行数，图片中两行文字间的间距（行距）占据的连续像素行的平均行数，以及每张图片所包含的文字和行距之间的交替规律即行信息向量，并对图片边沿进行二值化处理。

关键词：破碎图片；贪心算法；数据挖掘；模式识别依托武汉学院大学生创新训练项目，指导老师李丽容，湖北省教育科学规划课题-重点课题：2019GA0661引言破碎文件的拼接还原在复原司法物证、修复历史文献以及获取军事情报等领域都有着重要的应用。

一般地，由人工完成拼接复原，虽然准确率很高，但效率却低。

尤其是当有数量巨大的碎片时，采用人工拼接复原几乎不可能在短时间内完成。

随着计算机技术的发展，人们可以利用计算机实现破碎文件的自动拼接还原，以提高拼接复原效率，这样就可以把人从繁重的工作中解放出来，不再需要人工从大量碎纸堆中一块一块的比对寻找匹配的碎片，减轻了人的工作量和劳动强度，还能够让需求者在极短的时间内得到想要的结果，迅速准确的得到复原结果。

还原技术采用贪心算法，对图片进行拼接还原。

先从图片的行信息向量中筛选出所有可能成为第一行的图片，对这些图片的行信息向量进行聚类分析，得到第一行的所有图片的序号。

用同样的方法得到最左侧所有图片的序号，对这两个集合取交集，就得出了位于第一行第一列（左上角）的图片。

根据左上角的图片，和最左侧所有图片的集合以及先前得到的文字和行距的信息，依次拟合出左侧图片的排列顺序。

根据已排好序的左侧图片的行信息向量对剩下的图片进行分类，得到每张图片所在的行，再通过具有二值特征的Tanimoto测度，得出每行图片的排列顺序。