碎片拼接技术是图像处理领域的关键技术之一。当碎片数量较多时,比如文物碎片、公安物证碎片、公司文档碎片等,通过手动方式完成复原任务会耗费大量的时间而且容易对碎片本身造成损坏。因此,利用计算机技术进行碎片的自动拼接具有重要的研究价值。国内外研究学者已经在二维碎片的拼接问题上进行了一定的研究,通常将碎片类型分为规则和不规则碎片,依据不同的特征去完成拼接任务。现阶段的碎片拼接算法在很多时候获得的结果往往不是很理想,比如利用颜色特征去复原一些颜色变化区分度较小的图像,或者利用纹理特征去复原一些纹理变化区分度较小的图像时,在拼接过程中会出现较多的错误匹配碎片,增加了运行时间,降低了匹配效率。常用的基于轮廓特征进行图像碎片拼接的算法,适用于碎片形状不一的实验中,对于具有相似性边界的碎片往往也会造成大量的错误匹配,影响算法的运行时间和算法的有效性。近年来,在图像处理方面的研究中,图像的多特征分析取得了一定的进展,因此本论文充分利用图像的多种特征去实现碎片拼接,通过融合图像的纹理特征和颜色特征去获取候选匹配碎片,有效的减少了错误匹配碎片的数量,并利用轮廓特征实现最终的全局拼接。除此之外,在纹理特征的提取上,考虑到GLCM(Grey-Level Co-occurrence Matrix)纹理特征提取算法适用的图像类型比较单一,提出了一种适用范围更广泛的NGLCM算法。实验表明,本论文提出的算法能够有效实现碎片拼接任务,并且相较于其他传统算法而言,运行速度有了明显的提升。本论文的主要创新点是:1.在基于GLCM算法提取纹理特征的基础上,提出了一种适用于彩色图像的NGLCM纹理特征提取算法。在碎片图像不同的颜色通道之间建立六个像素矩阵并提取碎片的三个分量图,然后计算六个矩阵的八维纹理特征向量以及三个分量图各自的八位纹理特征向量,求得九组对应特征的均值作为每个碎片最终的纹理特征。计算碎片两两之间的八维纹理特征向量的欧氏距离,将其作为纹理特征进行候选匹配碎片的获取。通过实验证明,应用该方法获取候选匹配碎片的错误个数相较于传统的GLCM算法有了显著减少。2.提出了一种融合图像颜色、纹理与形状(轮廓)特征的碎片拼接算法。将图像的颜色特征和纹理特征进行加权融合以获取候选匹配碎片,通过轮廓匹配将正确的匹配对保留并获得其匹配角度,最后运用基于匹配角度的拼接算法实现碎片拼接。相较于其他传统碎片拼接方法,该方法能够有效减少全局拼接时的循环次数,拼接速度得到了有效提升。