基于混沌粒子群优化的图像相关匹配算法研究

该文将混沌优化搜索技术应用于粒子群优化算法（PSO）,提出了一种基于混沌搜索的粒子群优化算法（CPSO）,该算法利用了PSO算法的收敛快速性和混沌运动的遍历性、随机性等特点,采用混沌初始化粒子初始位置,在运行过程中根据粒子群适应度的方差来自适应混沌更新粒子位置。几种典型函数的测试结果表明：CPSO提高了对多维空间的全局搜索能力,并可以有效避免早熟现象。将该方法用于图像相关匹配算法,提出了一种新的基于CPSO的图像相关匹配算法。实验结果证明该方法对解决噪声情况下的图像匹配问题十分有效。     

一种新的混沌粒子群优化算法

针对粒子群优化算法(PSO)缺少跳出局部最优的机制而易出现早熟问题,提出一种新的混沌粒子群优化算法(NCPSO).该算法引入混沌扰动更新粒子的位置,避免搜索陷入局部最优,再嵌入判断早熟停滞的方法,一旦检测到早熟现象,使用逃逸策略来增大粒子群的多样性.最后用3个常用的测试函数进行仿真,实验结果表明:NCPSO算法比PSO算法、CPSO算法有更高的寻优精度和更快的收敛速度.     

基于混沌粒子群算法的宽零陷方向图综合方法

自适应阵列天线常需要采用宽零陷技术,以增强阵列天线抗干扰的稳健性。为此,提出了一种基于混沌粒子群算法（CPSO）的阵列天线宽零陷方向图综合方法。该算法首先采用混沌序列初始化粒子位置,以增强搜索多样性,并在对部分非优胜粒子的位置更新时引入混沌扰动项,在每次迭代中对全局最优位置进行变尺度混沌优化,提高了全局和局部搜索能力,加快了收敛速度。仿真结果验证了混沌粒子群算法在阵列天线宽零陷方向图综合时的收敛速度和精度方面均优于标准粒子群算法。     

基于NSCT和Tsallis熵的SAR图像快速分割方法

针对小波域SAR图像分割结果粗糙及运算速度低的不足,本文提出一种基于非下采样Contourlet变换(NSCT)和混沌粒子群优化(CPSO)的最大Tsallis熵的SAR图像快速分割方法。首先,利用NSCT提取SAR图像的概貌和细节信息,并建立相应的概貌-细节灰度级矩阵模型;然后,利用Tent映射CPSO算法搜索最优阈值,并提出递推算法大大减少迭代过程中适应度函数的重复计算。实验结果表明,与小波域SAR图像快速分割方法相比,该方法采用了具有多方向性和移不变性的NSCT分解图像,信息提取更为有效,分割结果更佳;同时由于引入混沌序列并以递推方式计算粒子适应度,粒子群搜索的收敛精度更高,运算时间更少。      

改进的粒子滤波人体目标跟踪算法

针对现有基于粒子滤波(PF)的行人目标跟踪算法跟踪精度不高、速度慢以及遮挡鲁棒性不好的问题,提出一种结合支持向量机(SVM)检测的改进跟踪算法。在跟踪的置信度小于阈值时进行行人跟踪目标的再检测,以校正跟踪位置。对粒子群优化(PSO)算法在优化时可能陷入局部解的现状,进行混沌粒子优化(CPSO)寻优全局解。实验结果表明,提出的算法在一定的粒子数目前提下精度优于其他基于粒子滤波的行人目标跟踪算法,有效降低PF所需粒子数,算法可实时跟踪。     

一种优化稀疏分解的雷达目标识别方法

雷达目标识别中雷达回波数据巨大,因此利用稀疏分解的方法对回波数据进行稀疏化处理。但稀疏分解中的匹配追踪算法存在计算复杂、计算量大的问题,所以汲取了粒子群优化算法(PSO)全局搜索能力强、收敛速度快的优点对最优原子的搜索过程进行优化,并且针对粒子群优化易陷入局部最优的问题,提出一种惯性权重自适应改变的改进解决方法。通过对雷达高分辨率距离像(HRRP)信号的稀疏表示实验仿真发现,基于粒子群优化的匹配追踪算法能大大缩短匹配追踪的时间,同时惯性权重自适应改变的方法也有效解决了PSO优化的"早熟"问题。     

合作式粒子群优化算法

针对粒子群优化(PSO)算法随着维数增加而导致的收敛速度慢,容易陷入局部最优的问题,提出了一种合作式粒子群(CPSO)算法。通过多粒子群不同的组态向量合作,显著改善了标准算法的早熟问题。利用标准测试函数对CPSO算法、协同进化遗传算法(CCGA)、遗传算法(GA)、PSO算法进行比较测试,结果表明,CPSO算法在多个基准优化问题方面显示了较佳性能。     

基于二维粒子群优化的图像模糊增强算法研究*

针对传统基于灰度变换方法进行图像增强后图像质量不高等现象,对粒子群优化算法、模糊增强算法进行研究,同时结合禁忌搜素和粒子空间对称分布原理,提出一种基于二维粒子群优化的图像模糊增强算法。该算法通过对搜索粒子进行空间对称分布调整以避免算法陷入局部最优、提高全局搜索能力,并且在算法迭代后期加入禁忌搜索算法记录粒子搜索位置,以减少粒子位置重复寻优、提高算法搜索效率。最后将改进后的粒子群优化算法中粒子搜索位置和速度更新方向设定为二维并与模糊增强算法相结合,自适应搜索出模糊参数Fp、Fe最优值,实现模糊增强。实验结果表明,改进后算法对图像增强效果较好,并且将算法用于过暗SAR图像、医学MR图像的增强,可有效提高图像质量。     

一种新的粒子群优化的图像匹配算法

针对粒子群算法在图像匹配中易陷入局部最优、搜索速度慢以及匹配精度不高的问题,提出一种新的粒子群优化的图像匹配算法。首先,以改进的非线性惯性权重对粒子群算法进行优化,以此来平衡粒子在全局和局部的搜索能力;其次,提出添加动态扰动项对速度进行扰动,避免粒子在算法后期速度停滞为零而陷入局部最优。仿真结果表明,该算法提高了粒子的全局搜索能力和收敛精度,有效防止早熟现象,与基于标准的PSO图像匹配算法相比,所提算法具有收敛速度快、鲁棒性好以及匹配精度高的特点。     

时空CDMA系统中基于改进PSO的光谱搜索DOA估计

针对传统光谱搜索方法的搜索复杂度和估计精度严格依赖于搜索过程中所用搜索网格数而导致搜索耗时较多的问题,提出了一种基于改进粒子群优化(PSO)的信号到达方向(DOA)估计方法。首先分析了硬约束PSO最小方差无失真响应(MVDR)估计器(HPSO-MVDR);然后针对HPSO-MVDR估计器的不足,提出了一种粒子搜索位置映射技术;最后提出了基于改进PSO MVDR(MPSO-MVDR)估计器。实验结果表明,在角度搜索中结合改进粒子群算法,提出的方法明显降低了搜索复杂度,相比现有光谱搜索方法的估计更加精确。     

一种高精度的图像匹配算法

为了解决光谱恢复对图像匹配高精度的问题，提出了一种高精度图像匹配算法——利用光流确定图像的运动场对图像进行匹配。该算法克服了传统的基于灰度匹配方法受图像插值精度影响的缺陷以及运算速度和精度的局限性。与基于MAD块匹配算法和归一化相关系数块匹配算法进行比较，该算法实现了图像序列高精度匹配，而且硬件实现简单，计算复杂度较低。     

基于小波多尺度表示的图像匹配研究

根据小波变换系数对信号平移步长的变化规律,提出一种基于小波金字塔结构的、遍历式的图像匹配方法,这种方法消除了由于小波变换对平移的敏感性所引起的误匹配,在匹配策略上,以小波分解高频分量的匹配为主。实验证实,本匹配方法对实时图和参考图的局部灰度反转不敏感,具有一定抗几何失真的能力,优于经典的灰度相关匹配。     

基于主成分分析的图像匹配方法研究

景像匹配和相关跟踪系统中,由于所面临的都是变化的场景,实时获取的图像与预存的基准图之间存在差异。传统的基于图像空间的匹配方法不能很好地克服这些差异给图像匹配定位带来的影响,使得完全按图像灰度特征的相关匹配应用受到限制。文中将主成分分析方法引入了图像匹配和相关跟踪过程中,提出一种能抗御一定图像畸变的基于主成分分析的图像匹配算法,并应用该方法进行了初步实验,证明该算法具有较高的匹配跟踪鲁棒性。     

基于局部交叉熵的图像匹配跟踪算法

交叉熵值的大小反映了模板图像与实时图像之间的信息量差异大小,从平均意义上来表征模板图像与实时图像之间的信息量差异量。为了解决机裁成像光电吊舱系统中的图像辐射失真和几何失真问题，提出了基于局部交叉熵的图像匹配跟踪算法。由于交叉熵值最小准则有利于信息量丰富的图像匹配，因此该算法不仅具有抗噪能力，而且具有良好的抗辐射失真和抗几何失真的能力。仿真试验表明：在辐射失真情况下，该算法具有稳健的匹配跟踪能力，适应能力强，是一种很实用的匹配跟踪算法。     

结合小波变换与相位相关的图像匹配方法

图像匹配技术是图像测量系统中的关键技术,是目标定位中最基本的方法。相位相关作为一种图像匹配技术对噪声有较高的容忍程度,检测结果与照度无关,受几何失真影响小。但该方法对旋转变化非常敏感。为解决此问题,本文提出结合小波变换和相位相关的匹配算法,该算法首先对图像进行小波分解,并对结果中的近似信号进行空域旋转校正;然后利用相位相关方法进行图像匹配,从而达到快速精确的定位。该方法在掌纹图像匹配定位中的应用证明了它的有效性。     

一种新的基于对应像素距离度量的图像相关匹配方法

传统的图像相关匹配方法中,由于实时图和参考图之间存在着灰度差异和一定程度的几何形变以及对目标的局部遮挡,使得利用求取对应像素灰度差累加和来进行相似性度量算法的性能很容易受到影响。文中从另一角度提出了一种新的图像相关匹配算法。该方法改变了原先匹配算法中求取模块图像和目标图像的像素灰度差的和的方法,而改为求取两幅图像之间相接近的点的个数,从而使匹配算法的稳定性大大提高,因为 局部出现的大片噪声点将不会影响匹配的结果,而这样的情况在传统的相关算法中将会显著影响匹配结果。实验结果表明了该方法的有效性。     

基于图像匹配的定位分析

图像匹配是一种重要的图像处理技术,在导航、定位等领域有着广泛的应用。首先给出了图像匹配问题的原理描述,分析了基于区域匹配算法的一般思路,研究了图像匹配算法的组成要素。算法中采用相关系数作为相似性测度。为减小搜索空间提高算法性能,采用由粗到精分层匹配的控制策略进行算法优化,实现了算法的加速。通过匹配仿真试验,验证了算法的可行性、有效性。     

基于区域模板相关的图像匹配方法研究

传统的图像相关匹配方法是利用求取对应像素灰度的相关性进行图像之间的相似度量的。由于参考图和实测图之间存在着灰度差异、模糊、噪声以及局部遮挡等，这就使得仅依靠图像灰度相关进行匹配的算法性能受到影响。基于图像分割后的区域是比像素灰度更高一级的图像表述，利用势函数聚类自适应多阈值图像分割技术，提出了一种对图像的加权区域模板相关匹配的算法。这种算法建立了一种目标区域隶属度的相关度量方法。试验结果表明了该算法在多种图像变形情况下的有效性。     

一种新的序列图像匹配定位算法

景象匹配是飞行器导航定位中广泛采用的一项技术,如何提高图像的匹配概率,始终是该项技术中一个值得研究的课题。针对传统的利用单幅实时图像进行匹配时,存在的实时景象图过小、匹配特征不足,从而导致匹配效率过低的问题。文中研究了一种基于归一化灰度相关序列图像匹配算法,利用飞行器飞越匹配区时所得到的序列实时图像,在序列中各单幅图像匹配的基础上,利用一定的规则来综合单幅图像的匹配结果,从而得到最终匹配结果。实验证明,文中方法不仅能显著提高匹配性能,而且有较大的实用性。     

Optimized hierarchical block matching for fast and accurate image registration

Recently the camera resolution has been highly increased, and the registration between high-resolution images is computationally expensive even by using hierarchical block matching. This paper presents a novel optimized hierarchical block matching algorithm in which the computational cost is minimized for the scale factor and the number of levels in the hierarchy. The algorithm is based on a generalized version of the Gaussian pyramid and its inter-layer transformation of coordinates. The search window size is properly determined to resolve possible error propagation in hierarchical block matching. In addition, we also propose a simple but effective method for aligning colors between two images based on color distribution adjustment as a preprocessing. Simplifying a general color imaging model, we show much of the color inconsistency can be compensated by our color alignment method. The experimental results show that the optimized hierarchical block matching and color alignment methods increase the block matching speed and accuracy, and thus improve image registration. Using our algorithm, it takes about 1.28 s for overall registration process with a pair of images in 5 mega-pixel resolution.