[發明專利]一種側抑制的隨機分形搜索模板匹配方法

在審

• 申請號: 201611239306.8
• 申請日: 2016-12-28
• 公開（公告）號: CN106651924A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 周永權;張森;羅淇方;黃華娟
• 申請（專利權）人: 廣西民族大學
• 主分類號: G06T7/30
• 分類號: G06T7/30;G06T5/00;G06T7/13;G06K9/62
• 代理公司: 北京國坤專利代理事務所(普通合伙)11491
• 代理人: 姜彥

1.一種側抑制的隨機分形搜索模板匹配方法，其特征在于，所述側抑制的隨機分形搜索模板匹配方法包括以下步驟：

步驟一，圖像預處理，導入原圖像和模板圖像，用rgb2gray轉化為灰度圖像；運用側抑制機制對圖像進行預處理；

步驟二，LI-SFS參數初始化，初始化種群的規模N，問題的維度D，最大的迭代次數MaxFEs，D表示圖像的維度等于2；

步驟三，最大的擴散次數設置為1；

步驟四，應用高斯游走方法解決模板匹配問題；

步驟五，更新搜索個體的位置；在經過兩次更新過程之后，獲得最優個體。

2.如權利要求1所述的側抑制的隨機分形搜索模板匹配方法，其特征在于，所述高斯游走過程如下：

GW₁＝Gaussian(μ_BP,σ)+(ε×BP-ε′×P_i)；

GW₂＝Gaussian(μ_P,σ)；

ε和ε'是[0,1]之間的隨機數，BP是最優粒子的位置；P_i是第i個粒子點；μ_BP，μ_P，σ是高斯參數，μ_BP等于BP，μ_P等于P_i；標準偏差如下：

$\mathrm{\σ}=|\frac{log\left(g\right)}{g}\×(P_i-BP)|;$

優化的是一個D維的問題，則每個粒子個體是一個D維的向量；在初始化階段，隨機初始化每個粒子；每個粒子個體的維度是D＝2；第j個粒子的位置P_j的初始化過程如下：

P_j＝LB+ε×(UB-LB)；

LB和UB分別是問題約束向量的下界和上界；初始化之后，計算每個粒子點的適應度值，目的在于獲得最好的粒子點的位置BP；依據每個個體的適應度值排序所有粒子點；每個粒子點i通過下式分配一個概率：

${\mathrm{Pa}}_i=\frac{rank\left(P_i\right)}{N};$

rank(P_i)是粒子點P_i的排序，N是種群的規模；對于種群中的每個粒子點P_i，如果Pa_i＜ε，個體P_i的第j個分量用下式進行更新，否則保持不變：

$P_i^{\′}\left(j\right)=P_r\left(j\right)-\mathrm{\ϵ}\×\left(P_t\right(j)-P_i(j\left)\right);$

P′_i是P_i更新后的位置，P_r和P_t是種群中隨機挑選的粒子點，ε是在[0,1]之間的隨機數；

根據獲得的所有粒子點進行排序，如果Pa_i＜ε，根據下式更新P′_i的位置,否則不更新；

$P_i^{\′\′}=P_i^{\′}-\widehat{\mathrm{\ϵ}}\×(P_t^{\′}-BP)|{\mathrm{\ϵ}}^{\′}\≤0.5;$

$P_i^{\′\′}=P_i^{\′}+\widehat{\mathrm{\ϵ}}\×(P_t^{\′}-P_r^{\′})|{\mathrm{\ϵ}}^{\′}\>0.5;$

P′_t和P′_r是從第一個步驟中挑選的隨機點，由高斯分布產生；如果新的粒子點P″_i的適應度值優于P′_i，則用P′_i替換P″_i。