(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210733422.4 (22)申请日 2022.06.24 (71)申请人 济南工程职业 技术学院 地址 250200 山东省济南市经十东路6 088 号 (72)发明人 吴娟　宣月茜　高慧娟　刘盼盼　 樊晓卿　高婷婷　张翠华　吴丹丹　 (74)专利代理 机构 济南诚智商标专利事务所有 限公司 3710 5 专利代理师 朱晓熹 (51)Int.Cl. G06T 3/40(2006.01) G06T 7/13(2017.01) G06T 7/90(2017.01) G06V 10/74(2022.01) (54)发明名称 一种基于坎贝拉度量改进的智能拼图方法、 系统和设备 (57)摘要 本发明提出了一种基于坎贝拉度量改进的 智能拼图方法、 系统和设备， 该方法包括： 获取图 像数据， 并计算相邻拼图块之间的马氏距离加权 值； 再针对获取的图像数据， 计算相邻拼图块之 间的坎贝拉相似度； 通过将计算出的相邻拼图块 之间的马氏距离加权值和坎贝拉相似度相结合， 对相邻拼图块的相似度进行评分， 然后根据评分 的结果再进行重建图像。 基于该方法， 还提出了 一种基于坎贝拉度量改进的智能拼图系统和设 备， 本发明通过坎贝拉距离计算相邻块边缘的颜 色梯度， 根据坎贝拉算法与MGC算法结合得到的 距离对相邻拼图块的相似度进行评分， 同时重建 图像时先将结果值进行加权， 然后还原图像， 在 拼图过程中具有较高的准确率， 具有更强的拼图 能力。 权利要求书2页 说明书11页 附图4页 CN 115187458 A 2022.10.14 CN 115187458 A 1.一种基于 坎贝拉度量改进的智能拼图方法， 其特 征在于， 包括以下步骤： 获取图像数据， 并计算相邻拼图块之间的马氏距离加权值； 再针对获取的图像数据， 计算相邻拼图块之间的坎贝拉相似度； 通过将计算出的相邻拼图块之间的马氏距离加权值和坎贝拉相似度相结合， 对相邻拼 图块的相似度进行评分， 然后根据评分的结果再进行重建图像。 2.根据权利要求1所述的一种基于坎贝拉度量改进的智能拼图方法， 其特征在于， 所述 计算相邻拼图块之 间的马氏距离加权值的方法为： 通过计算相邻拼图块之 间的左右 边缘颜 色梯度变化 来计算相邻拼图块之间的马氏距离加权值。 3.根据权利要求2所述的一种基于坎贝拉度量改进的智能拼图方法， 其特征在于， 所述 通过计算相邻拼图块之间的颜色梯度变换计算计算相邻拼图块之间的马氏距离加权值的 过程包括： 假定拼图块xj在拼图块xi的右侧， 采用GiL(t， c)表示拼图块xi右侧边界梯度变化， 定义 一个P*3的矩阵； 则 GiL(t， c)＝xi(t， P， c)‑xi(t， P‑1， c)    (1) 其中， t为行数； c为颜色通道； P为列数； μiL(c)为拼图块xi右边缘的平均分布； xi(t， P， c) 代表拼图块i在第t行， 第P列， 第c颜色通道的梯度变 化； xi(t， P‑1， c)代表拼图块xi在第t行， 第P‑1列， 第c颜色通道的梯度变化 其中， ELR(xi， xj)为拼图块xi到xj的相似度度量， 即xi为xi到xj的马氏距离； Si是像素块xi 右边缘颜色梯度的一个3 *3的协方差矩阵； GijLR(t， c)＝xj(t， l， c)‑xi(t， P， c)；    (4) 其中， GijLR(t， c)为拼图块xi右边缘到拼图块xj左边缘的梯度变化； xj(t， 1， c)为拼图块 xj的在第t行第1列第c通道的左侧颜色梯度变化； xi(t， P， c)为拼图块xi在第t行第P列第c颜 色通道的右侧颜色梯度变化； MGC(xi， xj)＝ELR(xi， xj)+ERL(xj， xi)    (5) 其中， MGC(xi， xj)是xi到xj的之间的马氏距离的加权值； ELR(xi， xj)为xi到xj的马氏距离； 所述ERL(xj， xi)为xj到xi的马氏距离 。 4.根据权利要求3所述的一种基于坎贝拉度量改进的智能拼图方法， 其特征在于， 所述 计算相邻拼图块之间的坎贝拉相似度的过程包括： c(xi， xj)＝xi(h， Q， c)‑xj(h， 1， c)；    (6) 其中， xi(， Q， c)为拼图块xi在在第h行， Q列第c通道的梯度变化； xj(， 1， c)为拼图块xj在 第h行， 第1列， 第c通道的梯度变化； c(xi， xj)代表拼图块xj左边缘到拼图块xi左边缘的梯度 变化； d(xi， xj)为相邻拼图块xi和xj之间的坎贝拉距离 。权　利　要　求　书 1/2 页 2 CN 115187458 A 25.根据权利要求3所述的一种基于坎贝拉度量改进的智能拼图方法， 其特征在于， 所述 计算相邻拼图块之间的坎贝拉相似度的过程还 包括： 如果N为任意相邻的拼图块的坎贝拉距离组成的相似度矩阵， P为所有拼图块的集合； 则N的归一 化矩阵N’； ε为不为0的常数。 6.根据权利要求5所述的一种基于坎贝拉度量改进的智能拼图方法， 其特征在于， 所述 将计算出的相邻拼图块之间的马氏距离加权值和坎贝拉相似度相结合的方法包括： 第一种结合方式can1： 设定 Cadd1为第一种方式相结合的加权值， 则： Cadd1＝a*MGC+b*Canberra；    (8) a+b＝1；    (9) 其中MGC为MGC(xi， xj)； Canberra为d(xi， xj)； 通过改变a和b的取值， 得到正确匹配拼图 块数量最多时对应的a和b的取值； 第二种结合方式can2： 设定 Cadd2为第二种方式相结合的加权值， Cadd2＝MGC*Canberra1/r；    (10) 其中r为自由参数； r∈{1/2， 1/4， 1/8， 1/16}； 通过改变r的取值， 得到正确匹配拼图块 数量最多时对应的r的取值。 7.根据权利要求6所述的一种基于坎贝拉度量改进的智能拼图方法， 其特征在于， 所述 对相邻拼图块的相似度进行评分的方法包括： 采用贪婪算法判断阈值 函数值： g(Can1)＝mean(Can1)+var(Can1)；     (12) g(Can2)＝mean(Can2)+var(Can2)；     (13) 其中， mean(Can1)为Can1的均值； mean(Can2)为Can2的均值； var(Can1)为Can1的方差； var(Can2)为Can2的方差； g(Can1)为计算Can1方法均值和Can1方法方差的加权和； g(Can2) 为计算Can2方法均值和Can2方法方差的加权和。 8.根据权利要求7所述的一种基于坎贝拉度量改进的智能拼图方法， 其特征在于， 所述 根据评分的结果再进行重建图像的过程包括： 选择所有拼图块之间阈值函数值最小的值作为正确的拼接， 进行重建图像； 如果重建 后的图像超过原图像维度， 则进行剪枝； 并在剪枝之后， 将剩余空缺调补完整。 9.一种基于坎贝拉度量改进的智能拼图系统， 其特征在于， 包括第 一计算模块、 第 二计 算模块和重建模块； 所述第一计算模块用于获取图像数据， 并计算相邻拼图块之间的马氏距离加权值； 所述第二计算模块用于再针对获取的图像数据， 计算相邻拼图块之间的坎贝拉相似 度； 所述重建模块用于通过将计算出的相邻拼图块之间的马氏距离加权值和坎贝拉相似 度相结合， 对相邻拼图块的相似度进行评分， 然后根据评分的结果再进行重建图像。 10.一种设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执 行所述计算机程序时实现如权利要求1至7任意 一项所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115187458 A 3