基于改進(jìn)人工蜂群算法的圖像配準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域,特別涉及一種基于改進(jìn)人工蜂群算法的圖像配準(zhǔn)方 法。
【背景技術(shù)】
[0002] 隨著科學(xué)技術(shù)的不斷發(fā)展,人們獲取圖像的能力不斷提高。獲取的圖像一般可以 分為兩大類:?jiǎn)文D像和多模圖像。單模圖像多指利用同一設(shè)備獲得的圖像,多模圖像多 指利用不同設(shè)備獲得的圖像。由于單模圖像包含的數(shù)據(jù)存在明顯的局限性以及多模圖像在 幾何、光譜、分辨率等方面存在的差異性,從而出現(xiàn)了圖像融合技術(shù)。圖像融合技術(shù)可以將 不同傳感器或者同一傳感器獲得的多幅圖像綜合起來(lái)使用,從而實(shí)現(xiàn)對(duì)目標(biāo)有一個(gè)更為全 面、準(zhǔn)確認(rèn)識(shí)的目的。在圖像融合處理中,圖像配準(zhǔn)是圖像融合的第一步,也是實(shí)現(xiàn)融合的 前提條件。只有找準(zhǔn)了多幅圖像之間的空間對(duì)應(yīng)關(guān)系,才能得到理想的圖像融合效果。
[0003] 圖像配準(zhǔn)的方法主要有兩類:基于灰度的方法和基于特征的方法。在基于灰度的 方法中,基于互信息的方法最為常用。利用互信息作為度量圖像相似性的優(yōu)化算法一般有: Powell算法、粒子群算法、差分進(jìn)化算法、人工蜂群算法等。這些優(yōu)化算法雖然各有優(yōu)點(diǎn),但 也都存在著各自的問(wèn)題:Powell算法會(huì)隨著搜索方向的退化導(dǎo)致搜索速度變慢;粒子群算 法雖然收斂速度快,但容易陷入局部最優(yōu)解;差分進(jìn)化算法收斂速度慢,但全局搜索過(guò)程較 粒子群算法更為詳細(xì);人工蜂群算法的收斂速度介于粒子群算法和差分進(jìn)化算法之間,但 在它的第二個(gè)搜索階段,算法搜索空間容易局限于某一小塊區(qū)域,全局搜索能力有待提高。
【發(fā)明內(nèi)容】
[0004] 為了解決以上現(xiàn)有技術(shù)中的缺陷,特別針對(duì)人工蜂群算法在第二搜索階段的搜索 空間容易局限于某一小塊區(qū)域的問(wèn)題,本發(fā)明提供一種基于改進(jìn)人工蜂群算法的圖像配準(zhǔn) 方法,以提高全局搜索能力。
[0005] 基于改進(jìn)人工蜂群算法的圖像配準(zhǔn)方法,包括以下步驟:
[0006] 步驟1、確定待優(yōu)化參數(shù)及適應(yīng)度函數(shù),初始化第一代人工蜂群,產(chǎn)生初始食物 源;
[0007] 步驟2、雇傭蜂尋找當(dāng)前食物源的臨近食物源,用貪心法在當(dāng)前食物源與臨近食物 源之間作出選擇;
[0008] 步驟3、雇傭蜂分享食物源信息給觀察蜂,觀察蜂計(jì)算所有食物源的適應(yīng)度值;
[0009] 步驟4、觀察蜂利用輪盤賭算法選擇適應(yīng)度值較小的食物源,同時(shí)引入差分策略進(jìn) 行臨近食物源的二次搜索;
[0010] 步驟5、重復(fù)步驟2-4,直至達(dá)到最大迭代次數(shù);
[0011] 步驟6、迭代結(jié)束,輸出最優(yōu)解。
[0012] 適應(yīng)度值的計(jì)算方法為:
【主權(quán)項(xiàng)】
1. 基于改進(jìn)人工蜂群算法的圖像配準(zhǔn)方法,其特征在于,包括以下步驟: 步驟1、確定待優(yōu)化參數(shù)及適應(yīng)度函數(shù),初始化第一代人工蜂群,產(chǎn)生初始食物源; 步驟2、雇傭蜂尋找當(dāng)前食物源的臨近食物源,用貪心法在當(dāng)前食物源與臨近食物源之 間作出選擇; 步驟3、雇傭蜂分享食物源信息給觀察蜂,觀察蜂計(jì)算所有食物源的適應(yīng)度值; 步驟4、觀察蜂利用輪盤賭算法選擇適應(yīng)度值較小的食物源,同時(shí)引入差分策略進(jìn)行臨 近食物源的二次搜索; 步驟5、重復(fù)步驟2-4,直至達(dá)到最大迭代次數(shù); 步驟6、迭代結(jié)束,輸出最優(yōu)解。
2. 按照權(quán)利要求1所述的基于改進(jìn)人工蜂群算法的圖像配準(zhǔn)方法,其特征在于,適應(yīng) 度值的計(jì)算方法為:
其中f(·)是目標(biāo)函數(shù)的函數(shù)值,?為食物源。
3. 按照權(quán)利要求1所述的基于改進(jìn)人工蜂群算法的圖像配準(zhǔn)方法,其特征在于,引入 差分策略進(jìn)行食物源的二次搜索進(jìn)一步包括: 在二次搜索臨近食物源的迭代次數(shù)較小的前期階段,更大概率引入差分與人工蜂群結(jié) 合的算法來(lái)確定臨近食物源的位置: yaj - Χ aj+ Φ · (Xbj_Xcj) 而在二次搜索臨近食物源的迭代次數(shù)較大的后期階段,更大概率用原始的人工蜂群算 法來(lái)確定臨近食物源的位置: yaj - Χ aj+ Φ · (Xaj_Xbj) 其中f與g是兩個(gè)隨機(jī)選擇的與?食物源的相異的食物源,a乒b乒c且 I < a, b, c < Foodnumber,F(xiàn)oodnumber是食物源的總數(shù),j是隨機(jī)選擇的位置索引 (1彡j彡D),Φ是[-1,1]之間的任意隨機(jī)數(shù); 尋找到臨近食物源H后,根據(jù)適應(yīng)度值大小,在:?和?之間使用貪心法選擇適應(yīng)度 值較小的食物源,產(chǎn)生新的食物源。
【專利摘要】本發(fā)明公開(kāi)一種基于改進(jìn)人工蜂群算法的圖像配準(zhǔn)方法。其實(shí)現(xiàn)步驟為:(1)、確定待優(yōu)化參數(shù)及適應(yīng)度函數(shù),初始化第一代人工蜂群,產(chǎn)生初始食物源;(2)雇傭蜂尋找當(dāng)前食物源的臨近食物源,用貪心法在當(dāng)前食物源與臨近食物源之間作出選擇;(3)雇傭蜂分享食物源信息給觀察蜂,觀察蜂計(jì)算所有食物源的適應(yīng)度值;(4)觀察蜂利用輪盤賭算法選擇適應(yīng)度值較小的食物源,同時(shí)引入差分策略進(jìn)行臨近食物源的二次搜索;(5)重復(fù)步驟2-4,直至達(dá)到最大迭代次數(shù);(6)輸出最優(yōu)解。本發(fā)明加速了圖像配準(zhǔn)的過(guò)程,同時(shí)提高了圖像配準(zhǔn)的準(zhǔn)確度。
【IPC分類】G06T7-00
【公開(kāi)號(hào)】CN104835151
【申請(qǐng)?zhí)枴緾N201510202932
【發(fā)明人】王保云, 謝九成, 高 浩, 師玉嬌
【申請(qǐng)人】南京郵電大學(xué)
【公開(kāi)日】2015年8月12日
【申請(qǐng)日】2015年4月24日