復(fù)雜變形條件下圖像目標(biāo)模式檢測(cè)與匹配算法研究.pdf

1、目標(biāo)圖像匹配是數(shù)字圖像技術(shù)中一種較為關(guān)鍵的核心技術(shù)。實(shí)現(xiàn)快速、高效的目標(biāo)圖像匹配對(duì)許多行業(yè)領(lǐng)域有非常大的幫助作用，例如機(jī)器人視覺(jué)、定位導(dǎo)航、醫(yī)學(xué)圖像研究等等。本文主要研究在復(fù)雜變形情況下，如仿射變換模型中的目標(biāo)圖像檢測(cè)與匹配技術(shù)。
　　本文首先針對(duì)圖像匹配技術(shù)的研究現(xiàn)狀及發(fā)展進(jìn)行了介紹。隨后針對(duì)圖像匹配相關(guān)技術(shù)進(jìn)行分類(lèi)闡述，并研究介紹了圖像匹配技術(shù)中的主要流程。本文將PSO粒子群優(yōu)化應(yīng)用于圖像匹配技術(shù)中，提出了基于梯度極值點(diǎn)和PS

2、O優(yōu)化的仿射目標(biāo)模型匹配算法。隨后針對(duì)PSO的搜索策略，提出了重新定義了搜索策略的各個(gè)參數(shù)，使之更加合理，提出采用動(dòng)態(tài)更新策略的方法，更新粒子群的最大速度、慣性權(quán)重以及搜索空間，提高了粒子群算法的收斂性。在多目標(biāo)圖像匹配領(lǐng)域，本文創(chuàng)造性地提出了使用多群粒子群進(jìn)行多目標(biāo)模式檢測(cè)，并給出了理論介紹和相關(guān)實(shí)驗(yàn)。本文在針對(duì)具有仿射不變性的圖像特征中進(jìn)行了研究，介紹了基于ASIFT特征的圖像匹配方法，并且通過(guò)RANSAC算法，進(jìn)行了特征點(diǎn)匹配的精

3、細(xì)篩選。最后本文創(chuàng)新地提出了基于PSO優(yōu)化的ASIFT匹配算法，并給出了算法的詳細(xì)理論模型以及實(shí)驗(yàn)結(jié)果，并證明了該算法的合理性和有效性。
　　PSO粒子群優(yōu)化算法具有較少的參數(shù)、容易進(jìn)行優(yōu)化和改進(jìn)，同時(shí)該方法具有一定的算法智能以及模擬社會(huì)性的特點(diǎn)。它是全局優(yōu)化算法中的一個(gè)重要分支。圖像匹配技術(shù)通過(guò)相似性度量準(zhǔn)則，通過(guò)找到具有最高相似度的圖像變換模型來(lái)完成匹配技術(shù)。粒子群優(yōu)化則可以智能高效地對(duì)相似性度量進(jìn)行在搜索空間中的全局優(yōu)化，完