基于混沌粒子群优化的图像相关匹配算法研究

该文将混沌优化搜索技术应用于粒子群优化算法(PSO),提出了一种基于混沌搜索的粒子群优化算法(CPSO),该算法利用了PSO算法的收敛快速性和混沌运动的遍历性、随机性等特点,采用混沌初始化粒子初始位置,在运行过程中根据粒子群适应度的方差来自适应混沌更新粒子位置。几种典型函数的测试结果表明:CPSO提高了对多维空间的全局搜索能力,并可以有效避免早熟现象。将该方法用于图像相关匹配算法,提出了一种新的基于CPSO的图像相关匹配算法。实验结果证明该方法对解决噪声情况下的图像匹配问题十分有效。

基于遗传算法的快速图像相关匹配

采用遗传算法研究了图像相关匹配问题，提出了快速图像相关匹配算法在最优匹配的前提下，其计算量较ＳＳＤＡ算法降低了一个数量级以上；可以采用ＮＰＲＯＤ匹配准则，改善在低图像对比度条件下的匹配精度；该算法每帧图像匹配计算时间基本恒定。

模糊遗传图像相关匹配算法

针对遗传算法中交叉概率和变异概率所存在的问题,利用模糊推理系统来自适应估计交叉概率和变异概率,提出了基于模糊遗传算法(FGA)的图像相关匹配算法,并进行了大量实验研究,实验结果证明该方法对解决具有噪声情况下的图像匹配问题十分有效。

自然数编码遗传算法在图像相关匹配中的应用

引入遗传算法解决图像相关匹配的耗时问题,利用二进制编码和自然数编码分别设计相关匹配的遗传算法。实验表明在图像相关匹配应用中,自然数编码比二进制编码不仅实用,而且运算速度快。

图像相关匹配算法的快速实现

结合分级关键点互相关迭代法与搜索空间标记法,设计了一种有效提高图像相关匹配速度的算法。其中分级关键点互相关迭代算法快速实现了由重要到不重要像素点的逐级迭代互相关匹配计算,算法在保证精度的前提下可以随时结束并输出相关匹配值;而搜索空间标记法则能快速排除掉大量参数空间内不可能匹配的点。实验证明,这种算法能在正确配准图像的前提下大幅度提高匹配速度。

基于云遗传算法的图像相关匹配

针对图像相关匹配计算量大的问题,提出基于云遗传算法的图像相关匹配方法。考虑到图像平均量的存在会增加匹配的难度,对传统归一化相关测度进行修正。为寻找最佳匹配点,将修正后的相关测度作为适应度函数,采用云遗传算法进行寻优。由于云遗传算法具有收敛速度快、局部寻优能力强和不易产生早熟现象等优点,新方法的匹配精度和速度都得到提高,且抗噪声能力强。仿真实验结果表明,新方法对无噪声和有噪声图像都能实现高精度匹配,在匹配精度和速度上优于基于自适应遗传算法的匹配方法。

基于改进的遗传算法的快速图像相关匹配技术

本文基于遗传算法在图像相关匹配中的具体应用 ,提出了包括新的初始种群的选择策略以及调节收敛与发散因子、防止近亲繁殖的改进遗传策略。通过对实际图像的相关匹配仿真 。

基于改进的遗传算法的快速图像相关匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷,提出了一种基于改进的遗传算法的匹配方法,算法的主要改进手段是,用自识别交叉算子进行交叉操作,避免种群过早成熟。实验结果表明,与基本遗传算法相比,基于该算法的图像匹配具有运算量小、匹配精确等优点,且算法稳定。