復雜變形條件下圖像目標模式檢測與匹配算法研究.pdf

1、目標圖像匹配是數(shù)字圖像技術中一種較為關鍵的核心技術。實現(xiàn)快速、高效的目標圖像匹配對許多行業(yè)領域有非常大的幫助作用，例如機器人視覺、定位導航、醫(yī)學圖像研究等等。本文主要研究在復雜變形情況下，如仿射變換模型中的目標圖像檢測與匹配技術。
　　本文首先針對圖像匹配技術的研究現(xiàn)狀及發(fā)展進行了介紹。隨后針對圖像匹配相關技術進行分類闡述，并研究介紹了圖像匹配技術中的主要流程。本文將PSO粒子群優(yōu)化應用于圖像匹配技術中，提出了基于梯度極值點和PS

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

3、細篩選。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理論模型以及實驗結果，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)、容易進行優(yōu)化和改進，同時該方法具有一定的算法智能以及模擬社會性的特點。它是全局優(yōu)化算法中的一個重要分支。圖像匹配技術通過相似性度量準則，通過找到具有最高相似度的圖像變換模型來完成匹配技術。粒子群優(yōu)化則可以智能高效地對相似性度量進行在搜索空間中的全局優(yōu)化，完