[發明專利]一種基于自適應蟻群智能的空中機器人視覺分層匹配方法

無效

• 申請號: 200910077143.1
• 申請日: 2009-01-16
• 公開（公告）號: CN101477689A
• 公開（公告）日: 2009-07-08
• 發明（設計）人: 姚連梅;段海濱;邵帥
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/00;G01C21/34
• 代理公司: 北京慧泉知識產權代理有限公司
• 代理人: 王順榮;唐愛華

1.一種基于自適應蟻群智能的空中機器人視覺分層匹配方法，其特征在于： 該方法具體實現步驟如下：

步驟一：確定搜索單元；

首先，將待匹配圖像兩次分割成與目標圖像大小相同的一塊塊的小圖像： 第一次，將分割的起始坐標放在待匹配圖像的(1，1)點；第二次，將起始坐 標放在第一次分割的第一個小圖像的中心坐標處；

其次，計算各小塊圖像與目標圖像的相似度；本發明的相似度計算采用歸 一化積相關匹配算法，歸一化積相關匹配算法的公式如下：

F(u,v)=Σx,yf(u+x,v+y)t(x,y)Σx,yf2(u+x,v+y)Σx,yt2(x,y)---(6)]]>

式中，t(x，y)是目標圖像在其坐標為(x，y)的像素點的灰度值，而(u，v)則是待 匹配圖像中分割的一個小圖像的左上角的坐標，f(u+x，v+y)是待匹配圖像中相應 坐標的像素點的灰度值；

經過計算，每一次分割得到的每個小圖像都具有一個自己的與目標圖像的 相似度；

第二次分割成的每塊小圖像都和第一次分割出來的四塊相鄰的小圖像有重 疊的部分，把這樣的五塊小圖像記為一個單元；再將每個單元中五個小圖像中 的最大的相似度作為此單元的相似度，記為F(i，j)，其中，(i，j)表示每個單元中 心位置的小圖像左上角的坐標；

步驟二：初始化參數；

使本代的迭代次數Nc＝1，最大的迭代次數為Nc_max；本次的螞蟻數目為 m＝1，螞蟻總數為M；使初始信息素濃度τ_ij＝const，const是一個常數；

計算全局最優的相似度F_max和全局的平均相似度F_mean，如下所示：

F_max＝max(F(i，j))????(7)

F_mean＝mean(F(i，j))????(8)

式中，F(i，j)為每個單元的相似度；

步驟三：根據信息素濃度，依據概率選擇公式

當Nc＝1時，P_ij＝1；

當Nc≠1時，則P_ij的值如下：

其中，randm為隨機數；τ_max，τ_min分別是信息素濃度的最大值和最小值；

通過概率選擇公式，確定是否把某個單元歸到這次搜索之中，即是否成為 搜索單元；當P_ij＝1時，就認為這個單元為搜索單元，在搜索的范圍之內；這 樣M只螞蟻可以在各個搜索單元中隨機搜索，即每只螞蟻隨機地在搜索單元中 尋找一個與目標圖像大小相等的小圖像并計算該小圖像與目標圖像的相似度， 記為F_m(i，j)，其中下標m表示是此相似度是第m只螞蟻搜索的；從而得到M 種結果，即M個小圖像；

此次搜索完畢后，更新每個搜索單元的相似度F(i，j)，其公式如下：

F(i，j)＝max(F(i，j)，F_m(i，j))????(10)

式中，分別計算此次搜索中的每個搜索單元的M個小圖像與目標圖像的相 似度，記為F_m(i，j)，其中下標m表示是此相似度是第m只螞蟻搜索的；如果搜 索單元中有F_m(i，j)大于這個搜索單元的相似度F(i，j)，則讓這個相似度F_m(i，j)作為 此單元這一代的相似度F(i，j)；

步驟四：更新信息素濃度

本次迭代結束后，進行信息素更新，其更新規則如下：

τ(t+1)＝ρ·τ(t)+Δτ(t)????(11)

其中，ρ是信息素殘留系數，即每一代過后信息素的殘留；Δτ是信息素濃 度增量矩陣，其值用下式進行計算：

Δτij=const1if F(i,j)≥F_maxconst2if F_mean≤F(i,j)<F_max0else---(12)]]>

其中，F_max為全局最優的相似度；

F_mean為全局的平均相似度；

const1和const2是兩個常數，且const1＞const2＞0；

當計算得到的Δτ_ij＝0時，就把相應的單元暫時排除在精匹配范圍之外； Δτ_ij≠0時，就把相應的單元納入精匹配范圍之內；這樣，隨著迭代次數的增加， 在精匹配范圍內的單元就會減小，即把相似度小的單元淘汰掉，記在精匹配范 圍內的單元數目為Ng；

步驟五：更新全局最優相似度F_max，以及全局的平均相似度F_mean；公 式如下：

F_max＝max(F(i，j))?????????(13)

F_mean＝(1/K)×∑F(i，j)????(14)

其中，K為得到的精匹配范圍中的單元的數目，F(i，j)是相應單元的相似度

步驟六：Nc＝Nc+1，返回步驟三，直到完成預定的算法循環次數Nc_max， 或者精匹配中的單元數目Ng小于設定閾值T，或者全局最優相似度達到或超過 設定的相似度F_t；

步驟七：進行精匹配，尋找最佳匹配位置；

計算待匹配圖像中的精匹配區域的所有像素點的相似度，公式為式(6)； 其中，t(x，y)是目標圖像在其坐標為(x，y)的灰度值，而(u，v)則是待匹配圖像 中精匹配區域中像素的坐標，f(u+x，v+y)是待匹配圖像中相應坐標點的灰 度值；

所有像素點都對應一個相似度，找到其中最大的相似度值對應的那個像素 點，以這個像素點為左上角像素點，大小和目標圖像一樣的矩形區域就是最佳 的匹配位置；

步驟八：結束，并輸出最優結果。