[發明專利]基于鯨魚優化算法和灰色關聯分析的快速圖像匹配方法

有效

• 申請號: 201711251339.9
• 申請日: 2017-12-01
• 公開（公告）號: CN108010069B
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 葉志偉;張旭;王春枝;陳文倩;楊娟;金燦;孫爽;陳鳳;鄭逍;孫一恒
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06K9/62;G06N3/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

1.一種基于鯨魚優化算法和灰色關聯分析的快速圖像匹配方法，其特征在于，包括以下步驟：

步驟1：輸入需進行搜索的目標圖像S和模板圖像T；

步驟2：初始化鯨魚優化算法所需的參數以及N個鯨魚的位置，得到算法的初始種群；其中鯨魚優化算法所需的參數包括鯨魚群的個數大小N，最大循環次數iter_max，對數螺旋形狀常數b，當前迭代次數j，全局最優位置X^*；

步驟3：將鯨魚優化算法的初始的位置向量所對應的目標圖像匹配對應模板圖像的像素點在目標圖像S中對應的位置坐標，利用適應度評價函數計算得到每個目標圖像匹配對應模板圖像的像素點的適應度值，將適應度值最高的解記為

所述適應度函數f(X)是根據灰色關聯分析法確定的，所述灰色關聯分析法中的灰色關聯度的定義如下：

設參考序列為：X₀＝{X₀(1),X₀(2),…,X₀(m)}，比較序列為：X_r＝{X_r(1),X_r(2),…,X_r(m)}，則比較序列和參考序列的灰色關聯系數ε_0r為：

其中k＝1,2,…m，m表示序列長度，Δmin＝min|X₀(k)-X_r(k)|，Δmax＝max|X₀(k)-X_r(k)|，Δor(k)＝|X₀(k)-X_r(k)|，ξ是分辨系數，是一個預先設定好的常數，保證ε_0r∈[0,1]；Δmin和Δmax分別為比較序列X_r和參考序列X₀的最小絕對差值和最大絕對差值，Δor(k)是絕對差值；

取m個灰色關聯系數Δor(k)的算術平均值，得到比較序列X_r和參考序列X₀的灰色關聯度R_0r：

此時用灰色關聯度R_0r作為模板圖像和搜索圖像的相似性度量函數，以此為基礎，優化算法的適應度函數f(X)設置如下：

其中L為灰度級數，ε_0r為比較序列和參考序列間的灰色關聯系數，f(X)最大為1，此時兩幅圖像完全匹配；

步驟4：計算系數向量A和C；

步驟5：生成隨機數p，p∈[0,1]，根據p的取值選擇鯨魚群的空間位置更新方式；

步驟6：對于已經更新空間位置的鯨魚群個體計算其適應度值，適應度函數f(X)設置如下：

其中L為灰度級數，ε_0r為比較序列和參考序列間的灰色關聯系數，f(X)最大為1，此時兩幅圖像完全匹配；k＝1,2,...m，m表示序列長度；

步驟7：通過比較更新前后鯨群的位置向量對應的適應度函數值，確定下一代鯨群的位置；

步驟8：記錄全局最好的位置X^*以及其適應度值F_best；

步驟9：判斷是否達到預設的最大的循環次數，若是，則輸出最優鯨魚群個體的位置；若否，則回轉執行所述步驟4。

2.根據權利要求1所述的基于鯨魚優化算法和灰色關聯分析的快速圖像匹配方法，其特征在于：步驟1中，用f_S(i,j)表示目標圖像S在像素點(i,j)處的灰度值，其大小為M×N；用f_T(i,j)表示模板圖像T在像素點(i,j)處的灰度值，其大小為m×n，m≤M，n≤N；則模板在目標圖像的點(x₁,y₁)的可選區域范圍為x₁∈[0,M-m]，y₁∈[0,N-n]。

3.根據權利要求1所述的基于鯨魚優化算法和灰色關聯分析的快速圖像匹配方法，其特征在于，步驟4中系數向量A的計算公式為：

A＝2a×r-a

其中，M為最大迭代次數，r為取值范圍在[0,1]之間的隨機向量。