基于改进樽海鞘群优化的图像匹配方法

由于自身特有的链式群更新模式,基于原始樽海鞘群优化的图像匹配方法在一定程度上可降低陷入局部最优的概率,该方法在匹配速度、匹配时间以及匹配精度上仍有不足。因此,本文提出一种基于改进樽海鞘群优化的图像匹配方法。使用立方混沌初始化种群,调整收敛因子变化趋势,使种群尽可能遍历整个搜索空间,以此增强全局搜索能力;对跟随者进行正交方向的扰动,避免跟随者进行盲目的曲线搜索,以扩大其搜索范围;引入寻优者,致力于开发当前最优点附近的搜索空间,使算法加快搜索到全局最优点,提高算法速度。仿真结果表明,与基于粒子群优化(Particle swarm optimization, PSO)、蚁狮优化(Ant lion optimizer, ALO)和樽海鞘群优化(Salp swarm algorithm, SSA)3种算法的图像匹配方法相比,本算法提高了全局搜索能力,有效地降低了匹配时间,在收敛速度、收敛精度以及鲁棒性上有较好表现。