[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

本發明公開了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，利用灰色關聯分析簡化相似性度量計算，再用鯨魚優化算法進行匹配搜索得到最佳匹配位置，提出一種抗噪性較好的快速圖像匹配算法。本發明將使用基于灰色關聯分析改進的鯨魚優化算法應用于圖像匹配，實現了快速的圖像匹配，使圖像匹配算法有良好的效率和匹配正確率且抗噪性能良好，是一種有實際應用價值的新方法。

技術領域

本發明屬于圖像處理技術領域，具體是涉及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。

背景技術

圖像匹配是圖像處理的重要內容之一，圖像匹配的過程實際是指尋求兩幅圖像間的映射過程。目前圖像匹配的方法主要有兩大類：一是基于灰度相關的匹配方法，它直接利用圖像的灰度進行匹配，算法簡單，匹配率高但計算量大；另一類是基于圖像特征的方法，需要先對圖像提取特征，其計算量相對較小，對灰度變化、形變及遮擋有較好的適應性，但匹配精度不高。追求匹配精度、匹配速度、通用性和魯棒性一直是相關研究人員的共同目標。

灰色關聯分析是灰色系統理論的重要內容，它根據因素之間發展趨勢的相似或相異程度，亦稱“灰色關聯度”，作為衡量因素間關聯程度的一種方法。它的實質就是對數據進行幾何關系比較，根據曲線幾何形狀的相似程度來判斷關聯程度。曲線形狀越相似，關聯度越大，關系就越密切。

鯨魚優化算法(whale optimization algorithm,WOA)是一種新的優化算法，該算法是受座頭鯨捕食行為的啟發，提出一種基于自然靈感的新型啟發式算法。鯨魚優化算法模仿座頭鯨利用“螺旋氣泡網冶策略,并通過收縮包圍、螺旋式位置更新及隨機捕獵機制進行覓食,具有結構簡單、調節參數少、收斂速度快及全局尋優能力強等特點。因此，利用鯨魚優化算法較快的收斂速度以及較好的搜索能力來尋找全局最優解是一種很好的應用方法。

發明內容

為了解決圖像匹配算法中容易陷入局部最優解而使準確率降低的問題，本發明提出了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。

本發明所采用的技術方案是：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圖像匹配對應像素點的坐標位置，利用適應度評價函數計算得到每個圖像匹配候選像素點的適應度值，將適應度值最高的解記為

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：判斷是否滿足終止條件，即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。