差分進(jìn)化算法的改進(jìn)和基于邊緣點(diǎn)的SAR圖像配準(zhǔn)方法.pdf

1、差分進(jìn)化算法是一種人工智能的優(yōu)化算法，因?yàn)樵撍惴ǖ暮?jiǎn)單有效，故在圖像處理、電力能源系統(tǒng)和人工智能領(lǐng)域中得到了成功地應(yīng)用。但是原始差分進(jìn)化算法存在如收斂快慢與收斂精度的矛盾等問題，因此如何提高算法的收斂精度和避免過早收斂且保證收斂速度快具有很大的研究?jī)r(jià)值。
　　合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR）能獲取高分辨率圖像且拍攝不受環(huán)境等因素的影響，其應(yīng)用越來越廣泛。由于SAR系統(tǒng)在不同時(shí)段對(duì)地面同一區(qū)域

2、進(jìn)行拍攝時(shí)會(huì)存在一定的幾何偏差，需要使用配準(zhǔn)技術(shù)對(duì)含有同一區(qū)域的不同時(shí)相的圖像進(jìn)行幾何變換校正，以進(jìn)行后續(xù)的圖像變化檢測(cè)、圖像融合等處理。因此，SAR圖像配準(zhǔn)是這些后續(xù)處理的前提和基礎(chǔ)，SAR圖像配準(zhǔn)的研究具有非常重要的意義。
　　本文分別對(duì)差分進(jìn)化算法和SAR圖像配準(zhǔn)進(jìn)行了分析和研究，完成了以下兩方面的工作：
　　1.提出了一種結(jié)合綜合學(xué)習(xí)粒子群優(yōu)化算法和免疫克隆選擇算法差分進(jìn)化算法。該方法引入綜合學(xué)習(xí)策略來指引差分進(jìn)化算

3、法中的個(gè)體進(jìn)行相互綜合學(xué)習(xí)，選擇最優(yōu)個(gè)體進(jìn)行克隆以降低貪婪思想帶來的缺陷，對(duì)適應(yīng)度值一直未更新的個(gè)體采用改進(jìn)的變異機(jī)制進(jìn)行克隆變異，從而既可以保證算法能夠在較少的代數(shù)內(nèi)收斂，也可以保證較高的尋優(yōu)精度。最終的實(shí)驗(yàn)結(jié)果證明了此方法的有效性。
　　2.提出了一種基于邊緣點(diǎn)的SAR圖像配準(zhǔn)方法。首先，對(duì)Hessian矩陣邊緣響應(yīng)的值進(jìn)行了分析，得到了較好的閾值，并通過非極大值抑制對(duì)含有相干斑噪聲的圖像提取了邊緣點(diǎn)。將此方法與Harris角