基于遗传算法的图像匹配算法研究

总第２８９期　２０１３年第１１期　计算机与数字工程　Ｃｏｍｐｕｔｅｒ＆Ｄｉｇｉｔａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｖｏ１．４１　Ｎ　Ｄ．１１　１８２３　

基于遗传算法的图像匹配算法研究　李红梅　（广东白云学院计算机系广州　５１０４５０）　摘要图像匹配算法的研究是模式识别学科研究的一个分支，针对图像匹配速度问题，论文提出一种改进的遗传算法的快速图像匹　配算法。该算法首先确定问题的参数空间，通过对参数空间编码和种群初始化得到待匹配的多个初始位置，然后利用模板图和当前搜素子　图的直方图信息，分别构建参考序列和比较序列，以两序列间的灰色关联度为适应度函数　通过改进的遗传算子实现遗传操作，对遗传个体　进行迭代寻优，找出图像中的最佳匹配点。实验结果表明，基于该算法的图像匹配具有运算量小、匹配精确等优点，实时性得到了明显的提　高。　关键词遗传算法；图像匹配；适应度函数；多父体杂交　中图分类号ＴＰ３０１．６　ＤＯＩ：１０．３９６９￣．ｉｓｓｎ１６７２－９７２２．２０１３．１１．０３４　Ｉｍａｇｅ　Ｍａｔｃｈｉｎｇ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍ　ＬＩ　Ｈｏｎｇｍｅｉ　（Ｃｏｍｐｕｔｅｒ　Ｄｅｐａｒｔｍｅｎｔ，Ｇｕａｎｇｄｏｎｇ　Ｂａｉｙｕｎ　Ｃｏｌｌｅｇｅ，Ｇｕａｎｇｚｈｏｕ　５１０４５０）　Ａｂｓｔｒａｃｔ　Ｔｈｅ　ｓｔｕｄｙ　ｏｆ　ｉｍａｇｅ　ｒｅｇｉｓｔｒａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｏｎｅ　ｏｆ　ｔｈｅ　ｂｒａｎｃｈｅｓ　ｉｎ　ｔｈｅ　ｆｉｅｌｄ　ｏｆ　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ．Ａｉｍ　ａｔ　ｔｈｅ　ｐｒｏｂｌｅｍｓ　ｏｎ　ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ｆｏｒ　ｓｌｏｗ　ｓｐｅｅｄ，ａｎ　ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ａ　ｎｅｗ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｉｎ　ｔｈｅ　ｍｅｔｈｏｄ，ｍａｔｃｈｉｎｇ　ｐａｒａｍｅ—　ｔｅｒ　ｓｐａｃｅ　ｉｓ　ｄｅｔｅｒｍｉｎｅｄ　ａｎｄ　ｓｅｖｅｒａｌ　ｐｏｓｉｔｉｏｎｓ　ａｒｅ　ａｃｑｕｌｒｅｄ　ｂｙ　ｔｈｅ　ｉｎｉｔｉａｌｉｚａｔｉｏｎ　ｏｆ　ｔｈｅ　ｃｈｒｏｍｏｓｏｍｅｓ　ｆｉｒｓｔ．Ｓｅｃｏｎｄｌｙ，ａ　ｒｅｆｅｒｅｎｔｉａｌ　ｓｅｑｕｅｎｃｅ　ａｎｄ　ａ　ｃｏｍｐａｒａｔｉｖｅ　ｓｅｑｕｅｎｃｅ　ａｒｅ　ｓｅｐａｒａｔｅｌｙ　ｃｏｎｓｔｒｕｃｔｅｄ　ｂｙ　ｔｈｅ　ｈｉｓｔｏｇｒａｍ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｔｈｅ　ｔｅｍｐｌａｔｅ　ｉｍａｇｅ　ａｎｄ　ｔｈｅ　ｃｕｒｒｅｎｔ　ｓｅａｒｃｈｉｎｇ　ｓｕｂｉｍａｇｅ．　Ａｎｄ　ｔｈｅｎ，ｔａｋｉｎｇ　ｔｈｅ　ｇｒｅｙ　ｒｅｌａｔｉｏｎａｌ　ｄｅｇｒｅｅ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｔＷＯ　ｓｅｑｕｅｎｃｅｓ　ａｓ　ｔｈｅ　ｆｉｔｎｅｓｓ　ｆｕｎｃｔｉｏｎ，ｍｏｓｔ　ｏｆ　ｔｈｅ　ｃｈｒｏｍｏｓｏｍｅｓ　ｃｏｎｃｕｒｒｅｎｔｌｙ　ａｐ—　ｐｒｏａｃｈ　ｔｏ　ｔｈｅ　ｍａｔｃｈｉｎｇ　ｐｏｓｉｔｉｏｎ　ｔｈｒｏｕｇ　ｔｈｅ　ｎｅｗ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａ１　ｒｅｓｕｌｔｓ　ｉｎｉｃａｔｅ　ｔｈａｔ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｎｏｔ　ｏｎｌｙ　ｏｂｔａｉｎｓ　ｐｒｅｃｉｓｅ　ｐｏｓｉｔｉｏｎｓ，ｂｕｔ　ａｌｓｅ　ｏｂｖｉｏｕｓｌｙ　ｉｎｃｒｅａｓｅｓ　ｔｈｅ　ｍａｔｃｈｉｎｇ　ｓｐｅｅｄ．　Ｋａｙ　Ｗｏｒｄｓ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ，ｉｍａｇｅ　ｍａｔｃｈｉｎｇ，ｆｉｔｎｅｓｓ　ｆｕｎｃｔｉｏｎ，ｍｕｌｔｉ—ｐａｒｅｎｔ　ｃｒｏｓｓｏｖｅｒ　ＣｌａｓｓＮｕｎｑ￣ｙ　ＴＰ３０１．６　１　引言　图像匹配是图像处理中一个重要的课题，在计算机视　觉、运动目标跟踪与识别、序列图像压缩中运动补偿、医学　图像处理等领域有广阔的应用前景。在对图像的理解中，　匹配技术起着重要的作用。对于图像匹配算法目前主要可　以分为两大类：基于图像全局灰度值的匹配算法和基于图　像局部特征的匹配算法。　图像匹配＿】］是指在待匹配的大图像中判断是否存在模　板图像，以及确定模板图像在待匹配图像中的位置。根据　匹配原理，基于图像全局灰度值匹配算法［４］以图像间灰度　信息的相关性作为匹配判决准则，该类方法实现简单，但速　度较慢；基于图像局部特征的匹配算法的总体思路是首先　对图像的特征进行定义和提取，并以之作为相似性判决准　则，优点是匹配精度高，但只适用于具有典型特征且易于提　取的图像。　遗传算法的思想＿２］是从代表问题可能潜在解集的一个　种群开始的，而一个种群则由经过基因编码的一定数目的　个体组成。每个个体实际上是染色体带有特征的实体。染　

收稿日期：２０１３年５月４日，修回日期：２０１３年６月２９日　作者简介：李红梅，女，硕士研究生，讲师，研究方向：演化计算。　色体作为遗传物质的主要载体，即多个基因的集合，其内部　表现是某种基因组合，它决定了个体的性状的外部表现。　因此，在一开始需要实现从表现型到基因型的映像即编码　工作。初代种群产生之后，按照适者生存和优胜劣汰的原　理，逐代演化产生出越来越好的近似解。在每一代，根据问　题中个体的适应度大小挑选个体，并借助于自然遗传学的　遗传算子进行组合交叉和变异，产生出代表新的解集的种　群。这个过程将导致种群像自然进化一样的后生代种群比　前代更加适应于环境，末代种群中的最优个体经过解码，可　以作为问题近似最优解。遗传算法不同于传统的搜索和优　化方法，其主要的特点在于：自组织、自适应和自学习性。　应用遗传算法求解问题时，在编码方案、适应度函数及遗传　算子确定后，算法将利用进化过程中获得的信息自行组织　搜索。　本文针对图像匹配速度问题，将图像全局灰度值和遗　传算法结合，提出一种基于遗传算法的快速图像匹配算法，　增强了算法的快速性和全局收敛性能。该算法首先确定问　题的参数空间，通过对参数空间编码和种群初始化得到待　匹配的多个初始位置，

然后利用模板图和当前搜素子图的　２０１３年第１１期　计算机与数字工程　１８２５　４结语　本文以提高图像匹配算法的速度为目的，提出了基于　改进的遗传算法的快速图像匹配方，初步实验结果显示该　方法在实时性方面具有较好的性能，该方法将模板图像与　待匹配图像中子图的直方图信息之间的关联度作为遗传算　法的适应度函数，大大节省了运算时间，同时，提出一种改　进的遗传算法，利用遗传算法并行匹配　多个搜索位置，　实时性得到了进一步的提高。　参考文献　［１］章毓晋．图像理解与计算机视觉［Ｍ］．北京：清华大学出版社，　２０００：１０—１５．　ＺＨＡＮＧ　Ｙｕｊｉｎ．Ｉｍａｇｅ　ｕｎｄｅｒｓｔａｎｄｉｎｇ　ａｎｄ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　Ｉ－Ｍ］．Ｂｅｉｊｉｎｇ：Ｔｓｉｎｇｈｕａ　Ｕｎｉｖｅｒｓｉｔｙ　ｐｒｅｓｓ，２０００：１０—１５．　［２］李敏强．遗传算法的基本理论与应用［Ｍ］．北京：科学出版社，　２００２：２０—２５．　ＬＩ　Ｍｉｎｑｉａｔ￣．Ｂａｓｉｃ　ｔｈｅｏｒｙ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍｓ　［Ｍ］．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ　Ｐｒｅｓｓ，２００２：２０—２５．　［３］马苗，田红朋，张艳宁．灰色理论在图像工程中的应用研究进展　［Ｊ］．中国图像图形学报，２００７，１２（１１）：１９４３—１９５１．　ＭＡ　Ｍｉａｏ，ＴＩＡＮ　Ｈｏｎｇｐｅｎｇ，ＺＨＡＮＧ　Ｙａｎｎｉｎｇ．Ｒｅｓｅａｒｃｈ　ｐｒｏｇｒｅｓｓ　ｏｎ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｇｒｅｙ　Ｔｈｅｏｒｙ　ｉｎ　ｉｍａｇｅ　ｅｎｇｉｎｅｅｒｉｎｇ　［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　ｉｍａｇｅ　ａｎｄ　ｇｒａｐｈｉｃｓ，２００７，１２（１１）：　１９４３—１９５１．　［４］李强，张钹．一种基于图像灰度的快速匹配算法［Ｊ］．软件学报，　２００６，１７（２）：２１６—２２２．　ＬＩ　Ｑｉａｎｇ，ＺＨＡＮＧ　１３ｏ．Ａ　ｆａｓｔ　ｍａｔｃｈｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｉｍａｇｅ　ｇｒａｙ　ｖａｌｕｅ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｓｏｆｔｗａｒｅ，２００６，１７（２）：２１６—　２２２．　［５］云庆夏，黄光球，王战权．遗传算法和遗传规划［Ｍ］．北京：冶金　工业出版社，１９９７：３Ｏ一４０．　ＹＵＮ　Ｑｉｎｇｘｉａ，ＨＵＡＮＧ　Ｇｕａｎｇｑｉｕ，ＷＡＮＧ　Ｚｈａｎｑｕａ￣Ｏｅｎｅｔ—　ｉｃ　ａｌｇｏｒｉｔｈｍ　ａｎｄ　ｇｅｎｅｔｉｃ　ｐｒｏｇｒａｍｍｉｎｇ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｍｅｔａｌｌｕｒ—　ｇｉｃａｌ　Ｉｎｄｕｓｔｒｙ　Ｐｒｅｓｓ，１９９７：３Ｏ一４０．　［６］赵艳林，韦树英，梅占馨．灰色欧几里德关联度［Ｊ］．广西大学学　报（自然科学版），１９９８（３）：１０—１３．　ＺＨＡ０　Ｙａｎｌｉｎ，ＷＥＩ　Ｓｈｕｙｉｎｇ，ＭＥＩ　ＺｈａｎｘｉｒＬ　Ｇｒｅｙ　Ｅｕｃｌｉｄ　ｒｅｌａ—　ｔｉｏｎａｌ　ｄｅｇｒｅｅ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｇｕａｎｇｘｉ　Ｕｎｉｖｅｒｓｉｔｙ（ＮＡＴＵＲＡＬ　ＳＣＩＥＮＣＥ　ＥＤＩＴＩＯＮ），１９９８（３）：１０－１３．　［７］李红梅．基于约束强度的演化算法［Ｊ］．计算机工程与设计，　２００９，４（２８）：６２４３—６２４６．　ＬＩ　Ｈｏｎｇｍｅｉ．Ｅｖｏｌｕｔｉｏｎａｒｙ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｃｏｎｓｔｒａｉｎｅｄ　ｓｉｎｇｌｅ－ｏｂ—　ｊｅｃｔｉｖｅ　ｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．Ｃｏｍｐｕｔｅｒ　ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　ｄｅｓｉｇｎ，　２００９，４（２８）：６２４３—６２４６．　［８］阮沈勇，王永利，桑群芳．ＭＡＴＬＡＢ程序设计［Ｍ］．北京：电子　工业出版社，２００２：２０—６０．　ＲＵＡＮ　Ｓｈｅｎｙｏｎｇ，ＷＡＮＧ　Ｙｏｎｇｌｉ，ＳＡＮＧ　Ｑｕｎｆａｎｇ．ＭＡＴ—　ＬＡＢ　ｐｒｏｇｒａｍ　ｄｅｓｉｇｎ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｐｕｂｌｉｓｈｉｎｇ　Ｈｏｕｓｅ　ｏｆ　ｅｌｅｃ—　ｔｒｏｎｉｃｓ　ｉｎｄｕｓｔｒｙ，２００２：２０—６０．　［９］郑军，诸静．基于自适用遗传算法的图像匹配［Ｊ］．浙江大学学　报（工学版），２００３，３７（６）：６８９—６９２．　ＺＨＥＮＧ　Ｊｕｎ，ＺＨＵ　Ｊｉｎｇ．Ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ｂａｓｅｄ　ｏｎ　ａｄａｐｔｉｖｅ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｚｈ￣ｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ（Ｅｎｇｉ—　ｎｅｅｒｉｎｇ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｅｄｉｔｉｏｎ），２００３，３７（６）：６８９—６９２．　［１Ｏ］周明，孙树栋．遗传算法原理及应用［Ｍ］．长沙：国防工业出版　社，１９９９：３０—４５．　ＺＨＯＵ　Ｍｉｎｇ，ＳＵＮ　Ｓｈｕｄｏｎｇ．Ｔｈｅ　ｐｒｉｎｃｉｐｌｅ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ［Ｍ］．Ｃｈａｎｇｓｈａ：Ｎａｔｉｏｎａｌ　Ｄｅｆｅｎｅｅ　Ｉｎｄｕｓｔｒｙ　Ｐｒｅｓｓ，１９９９：３０—４５．　

（上接第１８１６页）　［５］陈胜勇，刘盛．基于ＯｐｅｎＣＶ的计算机视觉技术实现［Ｍ］．北　京：科学出版社，２００８：３６４－３８９．　ＣＨＥＮ　Ｓｈｅｎｇｙｏｎｇ，ＬＩＵ　Ｓｈｅｎｇ．Ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ＯｐｅｎＣＶ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ　Ｐｒｅｓｓ，２００８：３６４—　３８９．　［６］Ｙｕｒｉ　Ｍ　Ｂａｙａｋｏｖｓｋｉ　Ｐｈ．ｎ　Ｇｒａｐｈｉｃｓ　ａｎｄ　Ｍｅｄｉａ　Ｌａｂ［ＥＢ／　ＯＬ］．ｈｔｔｐ：／／ｒｅｓｅａｒｃｈ．ｇｒａｐｈｉｃｏｎ．ｒｕ／ｃａｌｉｂｒａｔｉｏｎ／２．ｈｔｍｌ，２００９一　Ｏ９．　［７３　Ｚｈａｎｇ　ｚ　Ｙ．Ａ　Ｆｌｅｘｉｂｌｅ　Ｎｅｗ　Ｔｅｃｈｎｉｑｕｅ　ｆｏｒ　Ｃａｍｅｒａ　Ｃａｌｉｂｒａｔｉｏｎ　［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ｐａｔｔｅｒｎ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｃｈｉｎｅ　Ｉｎ—　ｔｅｌｌｉｇｅｎｃｅ，２０００，２２（１１）：１３３０—１３３４．　［８］毛剑飞，邹细勇．改进的平面模板两步法标定摄像机［Ｊ］．中国　图象图形学报，２００４，９（７）：８４６—８５３．　ＭＡＯ　Ｊｉａｎｆｅｉ，ＺＯＵ　Ｘｉｙｏｎｇ．Ｉｍｐｒｏｖｅｄ　ｔｗｏ－ｓｔｅｐ　ｃａｌｉｂｒａｔｉｏｎ　ｃａｍｅｒａ　ｐｌａｎｅ　ｔｅｍｐｌａｔｅ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｉｍａｇｅ　ａｎｄ　Ｇｒａｐｈｉｃｓ，２００４，９（７）：８４６—８５３．　［９１　Ｄａｐｅｎｇ　Ｇａｏ，Ｆｕｌｉａｎｇ　Ｙｉｎ．Ｃｏｍｐｕｔｉｎｇ　ａ　ｃｏｍｐｌｅｔｅ　ｃａｍｅｒａ　ｌｅｎｓ　ｄｉｓｔｏｒｔｉｏｎ　ｍｏｄｅｌ　ｂｙ　ｐｌａｎａｒ　ｈｏｍｏｇｒａｐｈｙ［Ｊ］．Ｏｐｔｉｃｓ＆Ｌａｓｅｒ　Ｔｅｃｈｎｏｌｏｇｙ，２０１３（４９）：９５—１０７．　［１ｏ］尹文生，罗瑜林．基于ＯｐｅｎＣＶ的摄像机标定［Ｊ］．计算机工程　与设计，２００７（２８）：１９７—１９９．　ＹＩＮ　Ｗｅｎｓｈｅｎｇ，ＬＵＯ　Ｙｕｌｉｎ．Ｃａｍｅｒａ　ｃａｌｉｂｒａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＯｐｅｎＣＶ［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｄｅｓｉｇｎ，２００７（２８）：　１９７—１９９．　Ｉｎ］Ａｌｅｘａｎｄｅｒ　Ｖｅｌｉｚｈｅｖ．ＧＭＬ　ｃａｍｅｒａ　ｃａｌｉｂｒａｔｅ　ｔｏｏｌｂｏｘ　Ｉ　ＥＢ｝　ＯＬ］．ｈｔｔｐ：／／ｇｒａｐｈｉｃｓ．ｃｓ．ｍｓｕ．ｒｕ／２０１１，１２．　［１２］Ｊｅａｎ－Ｙｖｅｓ　Ｂｏｕｇｕｅｔ．Ｃａｍｅｒａ　ｃａｌｉｂｒａｔｉｏｎ　ｔｏｏｌｂｏｘ　ｆｏｒ　ｍａｔｌａｂ　［ＥＢ／ＯＬ］．ｈｔｔｐ　？ｆ　Ｈ　．ｖｉｓｉｏｎ．ｃａｈｅｃｈ．ｅｄｕ／．２０１１，１２．

合集下载

遗传算法

1 / 5 1 遗传算法

1.1 遗传算法的定义

遗传算法 (GeneticAlgorithm，GA)是近多年来发展起来的一种全新的全局优化算法，它是基于了生物遗传学的观点，是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。它通过自然选择、遗传、复制、变异等作用机制，实现各个个体的适应性的提高，从而达到全局优化。遗传算法151解决一个实际问题通常都是从一个种群开始，而这个种群通常都是含有问题的一个集合。这个种群是由一定数目的个体所构成的，利用生物遗传的知识我们可以知道这些个体正好组成了我们知道的染色体，也就是说染色体是由一个个有特征的个体组成的。另外我们还知道，遗传算法是由染色体组成，而染色体是由基因组成，可以这么说，基因就决定了个体的特性，所以对于遗传算法的最开始的工作就需要进行编码工作。然后形成初始的种群，最后进行选择、交叉和变异的操作。

1.2遗传算法的重要应用

在现实应用中，遗传算法在很多领域得到很好的应用，特别是在解决多维并且相当困难的优化问题中时表现出了很大的优势。在遗传算法的优化问题的应用中，其中最为经典的应用就是我们所熟悉的函数优化问题，它也是对遗传算法的性能进行评价的最普遍的一种算法;另外的一个最重要的应用，也就是我们本文所研究的应用—组合优化问题，一般的算法很难解决组合优化问题的搜索空间不断扩大的局面，而组合优化问题正好是解决这种问题的最有效的方法之一，在本文的研究中，比如求解TSP问题、VRP问题等方面都得到了很好的应用;另外遗传算法在航空控制系统中的应用、在图像处理和模式识别的应用、在生产调度方面的应用以及在工人智能、人工生命和机器学习方面都得到了很好的应用。其实在当今的社会中，有关于优化方面的问题应用于各行各业中，因此有关于优化问题已经变得非常重要，它对于整个社会的发展来说都是一个不可改变的发展方向，也是社会发展的一个非常重要的需要。

基于Harris角点的图像匹配算法

唐烁;缪源

【期刊名称】《微型机与应用》

【年(卷),期】2013(32)2

【摘要】提出了新的基于特征点的高速图像匹配算法.该算法把角点特征和灰度值特征结合起来,定义了一种基于Harris角点的灰度值特征,并充分利用角点灰度值以及角点周边灰度值和位置信息,然后依据这些信息进行匹配.实验结果表明,该算法不仅速度快,而且对灰度值分布不均图像和含噪图像的匹配同样适用.

【总页数】3页(P41-43)

【作者】唐烁;缪源

【作者单位】合肥工业大学数学学院,安徽合肥230009;合肥工业大学数学学院,安徽合肥230009

【正文语种】中文

【中图分类】TP391

【相关文献】

1.基于Harris角点和SURF特征的遥感图像匹配算法 [J], 葛盼盼;陈强;顾一禾

2.基于SIFT算法改进的图像匹配算法 [J], 章雷;王国明

3.基于Harris角点与SIFT的快速图像匹配算法 [J], 赵小强;张源峰

4.基于模拟退火算法与量子遗传算法的图像匹配研究 [J], 徐梅

5.基于ORB和RANSAC算法的图像匹配查重算法 [J], 丁一因版权原因，仅展示原文概要，查看原文内容请购买

工件图像识别的边缘匹配方法研究

第２９卷第５期　２００８年５月　仪　器　仪　表　学　报　

Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｃｉｅｎｔｉｆｉｃ　Ｉｎｓｔｒｕｍｅｎｔ　Ｖ０Ｊ．２９　Ｎｏ．５　Ｍａｖ　２００８　

工件图像　识别的边　缘匹配方法研究　

王红涛　，傅卫平　，康业娜　

（１　西安理工大学机械与精密仪器工程学院西安７１００４８；　２桂林电子科技大学计算机与控制学院桂林５４１００４）　

摘要：为了解决背景和噪声干扰、部分遮挡等复杂环境下的图像匹配问题，给出了一种有效的基于边缘匹配的工件识别算　法。该算法采用了Ｃａｎｎｙ算子提取的边缘信息作为匹配特征，将改进的Ｈａｕｓｄｏｒｆ距离作为图像匹配的相似性度量，在搜索过　

程中采用了自适应代沟替代策略的遗传算法，在不损失解的质量的情况下，使遗传算法求解效率得到明显的改善。实验结果证　明，该算法不仅加快了匹配过程，提高了抗噪性能，而且能有效解决具有平移、旋转和部分遮挡等情况下的图像匹配识别问题。　

关键词：工件识别；边缘匹配；Ｈａｕｓｄｏｒｆ距离；遗传算法　中图分类号：ＴＮ３９１．４１　文献标识码：Ａ　国家标准学科分类代码：５２０．６０　

Ｓｔｕｄｙ　ｏｆ　ｅｄｇｅ　ｍａｔｃｈｉｎｇ　ａｐｐｒｏａｃｈ　ｔｏ　ｗｏｒｋｐｉｅｃｅ　ｉｍａｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ　

Ｗａｎｇ　Ｈｏｎｇｔａｏ　，Ｆｕ　Ｗｅｉｐｉｎｇ　，Ｋａｎｇ　Ｙｅｎａ　

（Ｊ　Ｓｃｈｏｏｌ　ｏｆＭａｃｈｉｎｅｒｙ　ａｎｄ　Ｐｒｅｃｉｓｉｏｎ　Ｉｎｓｔｒｕｍｅｎｔ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ　ａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，　ａｎ　７１００４８，Ｃｈｉｎａ；　

２　Ｓｃｈｏｏｌ　ｏｆＣｏｍｐｕｔｅｒ　ａｎｄ　Ｃｏｎｔｒｏｌ，Ｇｕｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＥｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕｉｌｉｎ　５４１００４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｉｍａｇｅ　ｍａｔｃｈｉｎｇ　ｕｎｄｅｒ　ｃｏｍｐｌｅｘ　ｃｏｎｄｉｔｉｏｎｓ　ｉｎｃｌｕｄｉｎｇ　ｂａｃｋｇｒｏｕｎｄ　ａｎｄ　ｎｏｉｓｅ　ｃｏｒｒｕｐ－　

一种结合遗传算法和LM算法的摄像机自标定方法

南京邮电大学学报（自然科学版）　

法又包括基于旋转运动的自标定技术　和基于平　移运动的自标定技术　ｊ。该方法需要控制摄像机　

做某些特殊运动，如绕光心旋转或平移等，利用这些　

运动的特殊性可以计算出摄像机的内外参数。以上　两种标定方法的优点是算法简单，可以获得较高的　

精度，但不适用于场景未知和摄像机运动未知的场　

合。摄像机自标定　概念的提出使得摄像机标定　在场景未知和摄像机运动未知时成为可能。相比于　

以上两种摄像机标定技术，摄像机自标定技术是在　

线的，并且不需要摄像机做特殊运动，因此摄像机自　标定技术具有相当大的理论价值和实用价值。本文　

设计并实现了一种结合ＬＭ算法和遗传算法（ＧＡ）　

的摄像机自标定方法。首先利用ＧＡ获得若干组摄　相机内外参数的初始值，接着利用ＬＭ算法对每一　

组参数进行优化，然后选取映射误差最小的那组参　

数。如果这组参数的映射误差满足要求，则将这组　参数作为摄相机标定的最终结果；否则利用遗传算　

法对刚才得到的若干组参数进行交叉和变异操作，　

再利用ＬＭ算法优化每一组参数，直至映射误差满　足要求　其中，　称作内部矩阵，包含了摄像机运动的内部参　

数，即焦距ｆ；Ｒ和ｔ分别称作旋转矩阵和平移矢量，　包含了摄像机运动的外部参数，即旋转参数　、　

和　（绕　、），、ｚ轴的旋转角度）和平移参数ｔ　、ｔ　和ｔ　（在　、ｙ、ｚ轴方向上的平移量）。式（１）和式（２）表　

明，通过　和ｔ将　从世界坐标系映射摄像机坐标　

系，再通过　投影到图像平面，可以得到投影点ｍ。　

１．２极线几何　

在多视点视频中，立体匹配是一项关键技术，极　

线几何　在其中起着重要作用。极线几何约束是　

一种常用的匹配约束技术，它将对应点匹配范围从　

整幅图像压缩为一条直线。根据极线几何约束，匹　

配点ｍ和ｍ　之间存在式（３）所表达的关系：　

ｍ　Ｆ　ｍ　＝０　（３）　其中，Ｆ称作基本矩阵，Ｆｍ　就是所谓的极线，并　且有　Ｆ＝Ｋ　［ｔ］ＸＲＫ　（４）　

本文所提出的摄像机自标定方法就是在式（１）和式　

一种基于Hausdorff距离的图像匹配算法

李竹林;常艳梅

【期刊名称】《计算机与数字工程》

【年(卷),期】2012(40)6

【摘要】在图像匹配过程中,经常有目标图像被遮掩、有缺损的情形,使识别过程较为困难.文章在提取边缘特征点的基础上,用部分Hausdorff距离的均值对图像进行相似性度量.仿真实验结果表明,对上述提到的小目标识别效果良好,速度也较快.%In

image matching,image always been sheltered and damaged,it makes the

recognition very difficulty. In this paper,an image matching method using

the portion Hausdorff distance based on the edge points. The experiment

results show the method is good efficient and fast speed for recognizing

small targets.

【总页数】3页(P101-103)

【作者】李竹林;常艳梅

【作者单位】延安大学计算机学院延安716000;延安市宝塔区建筑设计院延安716000

【正文语种】中文

【中图分类】TP391.4

【相关文献】 1.一种改进的Hausdorff距离的图像匹配算法仿真分析 [J], 康建新

2.一种改进的部分Hausdorff距离检测技术和遗传算法在图像匹配识别中的应用

[J], 沈庭芝;臧铁飞;朱少娟;方力

3.基于Hausdorff距离与模拟退火算法的图像匹配技术 [J], 童林军;叶青

4.基于改进Hausdorff距离和人工蜂群算法的图像匹配 [J], 杨飚;周阳

5.基于改进Hausdorff距离在图像匹配中的算法 [J], 徐文科;王国刚

一种基于距离变换的图象匹配方法

周杰;彭嘉雄

【期刊名称】《宇航学报》

【年(卷),期】1996(017)004

【摘要】如何对于不同成像条件下的图象进行匹配是采用传统方法难以解决的一个难题。本文将距离变换引处图象匹配中，提出抗几何失真和边缘变化的边缘特征匹配准则，推导出它的匹配算法。大量实验表明，这种方法有效地克服了几何失真、边缘变化的影响，而且具有抗灰度反转的能力，可以广泛应用于不同成像条件下获取图象间的匹配。

【总页数】5页(P1-5)

【作者】周杰;彭嘉雄

【作者单位】清华大学自动化系;华中理工大学图象识别与人工智能研究所

【正文语种】中文

【中图分类】TP391.41

【相关文献】

1.一种基于网格结构图象的目标匹配定位方法 [J], 韦燕凤;谢启伟;彭思龙

2.一种基于图象内部信息的轮廓匹配和切片对齐新方法 [J], 洪泉;陈德强;黄文浩

3.一种基于距离变换和遗传算法的遥感图像匹配算法 [J], 徐建斌;洪文;吴一戎

4.一种基于距离变换的不规则区域匹配算法 [J], 霍占强;朱婷;刘红敏;王志衡

5.一种基于距离变换与标记图的边缘匹配方法 [J], 张煜;孙家;张晓东因版权原因，仅展示原文概要，查看原文内容请购买

【计算机应用研究】_图像匹配_期刊发文热词逐年推荐_20140722

序号科研热词推荐指数序号科研热词1模板匹配31特征匹配2立体匹配22图像匹配3图像配准23运动估计4高斯模型14特征提取5颜色匹配15三维重建6闪光检测16骨骼动画7镜头分割17马尔可夫网络8量子遗传算法18颜色特征9道路跟踪19音/视频码流标准10逐级目标淘汰110非线性搜索11运动目标检测111隔离子采样12过零检测112量化调制13视频稳像113连接树14视频监视114运动矢量方向15被动盲检测115运动矢量16虹膜识别116边缘连接17背景重构117边缘生长18背景匹配118轮廓19细化119超分辨率20线段提取120视频加密21突变检测121视觉跟踪22矩不变量122色调23相位相关123色度匹配24目标跟踪124肤色模型25目标检测125纹理映射26电子稳像126纹理匹配27生物特征识别127算法28生物特征128简化仿射变换29特征融合129端点30特征点提取130积分投影31特征点匹配131眼嘴定位32特征提取132相关性33特征匹配向量133相似度度量34特征匹配134直方图函数35步态识别135目标遮挡36步态参数136目标跟踪37模式匹配137目标分裂38检测过滤138目标关联39标志线139生物特征40权重140特征点跟踪41无标记点141点匹配42数字图像取证142比例尺度不变43掌纹识别143模糊隶属度44指纹图像144模板匹配45截尾奇异值分解145模块去噪算法46快速算法146模块分段线性模型47径向基函数147概率数据关联滤波48尺度不变特征变换算法148概率图模型49尺度不变特征变换149最长公共子序列50小波变换150最低比特位匹配51宽基线151最优匹配52奇异值分解152时间尺度2008年2009年53多特征153数字水印54多源图像154改进的广义k-l变换55复制区域伪造155搜索策略56图像压缩156掌纹特征提取57图像匹配157指纹识别58变换参数158指数哥伦布码59分水岭变换159拼合60分形160感兴趣区域61内容安全161彩色图像匹配62光谱重建162形状特征63光谱插值163形变模型64傅里叶描述子164序贯相似性检测65信息熵165局部二值模式66低分辨率166局部三值模式67伪光谱图像167尺度不变特征变换68仿射运动分类器168小波变换69人体运动跟踪169密写70人体模型170子片段71串并混合171多目标72串匹配技术172多尺度分析73levenberg-marquardt算法173塔式分解74k均值聚类174基于内容的视频检索75k-s假设检验175图像边缘76hausdorff跟踪176图像序列77bp网络177图像修复78可扩展标记语言文件79卡尔曼滤波80匹配残差81匹配函数82匹配83动态规划84分数像素搜索85几何特征86光流法87光学运动捕捉88傅里叶描述子89信息隐藏90信息安全91优先权92仿射变换93人脸图像94二阶非线性特征投票95二维碎片96三维模型97三维人脸识别98一般模型99ogre游戏引擎100newton插值算法101log gabor滤波器102k维树103h.264视频标准104gabor小波105gabor变换106bvh文件

组合优化算法及其应用

组合优化算法是一种针对组合问题的最优解问题的求解算法。组合问题是指从一个固定的集合中，按照某种规则选取一些元素构成子集或排列，使得子集或排列满足某种条件。组合优化问题的目标是在所有可能解中找到一个最优解。

组合优化算法可以应用于不同领域的问题，比如物流、机器学习、计划安排、网络设计、电路布局等。以下将介绍四种常见的组合优化算法及其应用。

1. 贪心算法

贪心算法是一种简单但有效的组合优化算法。在每一步中，贪心算法总是选择局部最优解，最终使得全局最优解。贪心算法通常适用于满足贪心选择性质、最优子结构性质、无后效性质的优化问题。

一个经典的应用就是活动选择问题。给定一个集合S={a1,

a2, ..., an}表示一些活动，其中每个活动ai包括开始时间si和结束时间fi。每个活动可以占用同一时间段，要求从S中选择一个最大子集，满足所选择的活动互不冲突。可以用贪心算法按结束时间从小到大排序，然后依次选择每个结束时间最早的活动。

2. 分支定界算法

分支定界算法是一种高效的组合优化算法，适用于离散问题的求最优解。它通过对搜索树上某个节点进行分支扩展和界限计算，快速剪枝不必要的搜索分支，仅保留可能出现最优解的分支。

分支定界算法的一个经典应用是旅行商问题（TSP）。TSP是从一个给定的起点出发，经过所有点后回到起点的最短路径问题。可以用分支定界算法遍历所有可能的路径，进行剪枝优化，找到最优路径。

3. 动态规划算法

动态规划算法是一种求解多阶段决策过程最优解的组合优化算法。动态规划算法适用于有最优子结构和重叠子问题的优化问题。动态规划算法基于递归的思想，但使用了状态记录和记忆化搜索的技巧来避免重复计算。

背包问题是组合优化问题的经典案例。背包问题是指一个固定大小的背包，一些物品有各自的价值和重量，要求在不超过背包容量的前提下，选择最有价值的物品放入背包。动态规划算法可以通过记录每个不同背包容量和不同物品下的最优解，推导出最终结果。

一种基于改进遗传算法的摄像机自标定方法

2008年第5期一种基于改进遗传算法的摄像机自标定方法刘睿,王锋(河南工业大学,河南郑州450001)摘要:提出一种基于改进遗传算法的摄像机自标定方法,本方法把Hartley定义的简化Kruppa方程转化为目标函数,利用将遗传算法与局部直接搜索法相结合的混合遗传算法求目标函数的最小值,进而求得摄像机的内参数。改进了传统的基于Kruppa方程的自标定方法易陷入局部最优解的缺点。实验结果表明,该方法简单、有效。关键词:摄像机自标定;基础矩阵;Kruppa方程;遗传算法中图分类号:TP391文献标识码:ASelf-calibrationoftheCameraBasedonGeneticAlgorithmLIURui,WANGFeng(HenanUniversityofTechnology,HenanZhengZhou450001)Keywords:Cameraself-calibration;Fundamentalmatrix;Kruppaequation;Geneticalgorithm

作者简介:刘睿(1981-),男,(汉族),河南省郑州市人,硕士研究生,主要研究方向计算机图像处理;王锋(),男。(汉族),河南省新郑市人,博士,主要研究方向图像处理,模式识别,计算机应用。1引言摄像机定标技术是计算机视觉的主要研究问题之一,该问题是如何从二维序列图像恢复三维景物的欧氏(Euclidean)信息的关键。广义上摄像机标定可分为三种:传统标定方法、基于主动视觉的标定方法和自标定方法。传统标定方法需要使用经过精密加工的标定块W该方法的优点在于可以获得较高的精度,但标定过程费时费力。基于主动视觉的标定方法需要控制摄像机做某些特殊运动,如绕光心旋转或纯平移等。该方法的优点是算法简单,往往能获得线性解,缺点是不能适用于摄像机运动未知或无法控制的场合。以上两种标定方法均利用到场景或摄像机运动的信息,对于场景任意、摄像机运动未知的最一般的情形,则都无能为力。20世纪90年代初,Faugeras等首先提出了自标定的概念,使得在场景未知和摄像机任意运动的一般情形下标定成为可能。Faugeras[2]等从射影几何的角度出发证明了每两幅图像间存在着两个形如Kruppa方程的二次非线性约束。尽管文献中有各式各样摄像机自标定方法的报道,但究其本质,均是基于绝对二次曲线(Theabsoluteconic)或其对偶绝对二次曲面(Theabso-lutequadric)的方法。2算法原理及方法2.1投影模型在摄像机的几何模型为针孔模型下,摄像机按透视射影变换将空间点投影到像点m=(x,y,1)T,可描述为λm=px。投影矩阵P可进一步分解成P=K[Rt],k=fusuo0fvv000!"""#$%%%&1(1)式中R,t分别是世界坐标系到摄像机坐标系的旋转矩阵和平移矢量,被称为摄像机外参数;K是将摄像机坐标系变换到图像坐标系所需的只与摄像机自身有关的参数矩阵,称之为摄像机内参数矩阵W(,)为主点坐标Wf,f分别为图像平面U轴与V轴方向上的尺度因子;为倾斜因子。摄像机自标定的目的是求解计算技术与自动化

基于区域优化的图像拼接技术研究及应用进展

一、内容简述................................................2

1.1 背景与意义...........................................2

1.2 国内外研究现状.......................................4

1.3 研究内容与方法.......................................5

二、区域优化理论基础........................................6

2.1 区域划分方法.........................................7

2.1.1 基于边缘的划分...................................8

2.1.2 基于纹理的划分...................................9

2.1.3 基于色彩的划分..................................10

2.2 区域特征提取与描述..................................11

2.2.1 形状特征........................................13

2.2.2 颜色特征........................................13

2.2.3 纹理特征........................................15

三、基于区域优化的图像拼接方法.............................16

3.1 图像预处理与配准....................................17

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。