2013年数学建模拼接问题论文

g(x,y)

当g x,y 0时，图片为左边碎图片。

2

1

22

边缘特征点的检测与配准，详细研究了基于边缘轮廓提取特征点和利用提取的特征点进行配准。特征点提取是基于边缘特征点图像配准方法的关键，

相似性度量。相似性度量是指用哪种方法来确定待配准特征之间的相似性。它是以某种距离函数或代价函数的形式出现的。相似性度量与特征空间是紧密相连的，因为相似性度量是利用特征提取的信息，特征提取的好坏将影响相似性度量。相似性度量决定了图像配准中参与配准的因素，有利于进一步提高算法性能，常用的相似性度量有相关函数、明考夫斯基距离等。相似性度量和特征空间的选择，可以有效地降低计算量和噪声、遮挡等因素带来的影响，提高配准的精度；

相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。由于研究对象的不同，相关系数有如下几种定义方式。

简单相关系数：又叫相关系数或线性相关系数，一般用字母P 表示，是用来度量变量间的线性关系的量。

复相关系数：又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。

典型相关系数：是先对原来各组变量进行主成分分析，得到新的线性关系的综合指标，再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。

进入下一步骤，运用相关系数算法：

r
xy
ii 1
n
j
n x
i 1
n
2i
n2
y
i 1
n
2i
n2
c i,j max r

得到中文第一列的排序，从上到下的图片号码是



2)

总共十一个号码。

对所有图片，运用相关系数算法，把所有图片的排列一一找出来：