一种基于PBIL算法的快速图像匹配方法

为了解决图像匹配过程中计算速度慢和匹配精度不高的缺陷,提出了一种基于群体增量学习算法的匹配方法。PBIL算法是一种基于概率分析的进化算法。它集成了基于函数优化的遗传搜索和竞争学习两种策略,将进化过程视为学习过程,通过竞争学习所获得知识来修正生成概率,进而指导后代的生成。在实验中,将其与传统序贯相似性检测算法(SSDA)和遗传算法进行了比较。结果表明基于该算法的图像匹配具有运算速度快、匹配精确等优点,且收敛过程非常稳定。     

基于改进SIFT算法的图像匹配方法

研究图像匹配定位识别精度问题,针对同一图像两个不同视点的匹配,为提高不同分辨率不同尺度的图像匹配精度和效率问题,提出一种改进的基于尺度不变特征变换(SIFT)算法的图像匹配方法.由于算法具有良好的尺度、旋转、光照等不变特性而应用于图像匹配中,在分析SIFT特征向量生成过程的基础上,以准欧式距离代替欧氏距离作为特征描述符之间的相似性度量来提高SIFT特征匹配效率.实验结果表明,方法在保持图像匹配率和算法鲁棒性情况下,不仅缩短了匹配时间,还提高了图像匹配的精度,证明图像匹配的有效性.     

PBIL算法在组合优化问题中的应用研究

基于群体的增量学习(PBIL)算法有效结合了遗传算法和竞争学习的优点,运行过程简单,解决问题快速准确。本文提出将PBIL算法应用于求解CMN组合优化问题,以物流中心选址优化问题为例,介绍了基于PBIL求解CMN组合优化问题的一般方法,提出了针对此类问题的个体产生算法。为了提高算法的收敛速度和寻优能力,提出了基于当代最优解与历代最优解比较结果的概率学习加速方法。最后,通过实验仿真验证了上述改进的有效性。     

一种新的图像匹配算法的研究

在图像匹配研究中,基于H ausdorff距离的检测(HD)和序贯相似度检测(SSDA)是比较常用的两种方法。介绍了HD和SSDA两种算法并分析了两者各自的优点与不足,在此基础上提出了一种新的图像匹配算法。该算法结合了SSDA和HD的优点,实验证明该算法在实时图像匹配过程中能使模板和图像达到更加快速有效的匹配。     

基于PBIL进化算法的时延受限组播路由算法

分布式实时多媒体的大量应用对能有效支持服务质量(QoS)的组播路由算法提出了迫切的要求,由于其NP-Complete特性,只能采用启发式算法。该文提出了一种基于PBIL(Population-BasedIncrementalLearning)进化算法的时延受限组播路由算法,该算法有效结合了遗传算法的进化特性与竞争学习算法的特点,实施简单,仿真表明它不但显著提高了收敛速度,而且能以较大概率收敛到最优解。     

基于PBIL算法的物流中心选址问题研究

介绍了基于种群竞争式学习的PBIL算法的基本原理和实现方法。比较了PBIL算法和遗传算法求解过程的异同点。分析了PBIL算法在物流中心选址问题中的应用,并且通过实例验证了算法的可行性和有效性,证明了PBIL算法比遗传算法具有更高的搜索效率。     

基于PBIL进化算法的ATM虚通道路由规划

合理规划ATM(异步传输模式)网络的虚通道路由能有效提高网络业务服务质量和网络资源利用率，针对其NP完全特性，提出了一种基于PBIL(Population-Based Incremental Learning)进化算法的ATM虚通道路由规划算法，有效结合了遗传算法和竞争学习算法的特点，仿真表明，相对于文中提到的其它三种算法，该算法解的质量最高，能有效地收敛到问题的次优解，甚至最优解．     

基于改进并行粒子群算法的彩色图像匹配

本文给出了对解决图像匹配问题的一种新尝试,即基于改进并行粒子群算法的彩色图像匹配。本文提出和建立对彩色图像匹配问题的匹配策略和数学模型,应用改进并行粒子群算法(基于 .Net任务并行库(TPL)/PLINQ实现并行化)进行仿真实验并将实验结果与标准粒子群算法下的彩色图像匹配问题的实验结果进行比较,验证了算法的实用性和有效性。在大数据背景下的智能算法的应用方面迈进了一小步,同时也给本身研究不多的彩色图像匹配问题提供了一种新的且可行的解决方法。     

构建在进化技术上的动态价格优化研究

电子商务改变了企业的定价策略,产品由固定价格转向动态价格。用两种不同的进化算法-遗传算法（GA）和基于种群递增学习算法（PBIL）求解两种不同的动态价格模型,并对两种算法进行了比较。在提出的模型中,算法PBIL的结果及分析充分显示了模型在资源管理中的适用性,以及基于种群的优化技术在动态价格中的应用能力。     

基于局部小波矩的图像匹配算法

该文将图像的视觉不变矩特征引入到图像匹配领域中,通过提取图像的局部小波矩,提出了一种基于局部小波矩的图像匹配算法。并分别对所提出的算法,基于一般不变矩特征的匹配算法有关实验数据进行了对比分析,结果表明了该文所提出算法的可行性和有效性。     

基于遗传和BP算法的车牌图像快速匹配

将基于遗传的BP 神经网络算法用于智能交通中的车牌图像匹配,结合了遗传算法和BP 算法的优点。先采用遗传学习算法进行全局寻优、再利用BP 算法进行精确训练、优化BP(Back Propagation) 神经网络权重学习和训练的神经网络图像匹配算法。实验结果表明:本文设计算法较好地达到了匹配要求,能够对目标图像与样本图像进行正确匹配,匹配概率达到了92 % ,而传统的BP 神经网络仅有79 % ,并且在匹配速度上也明显优于传统的BP 神经网络及其他改进算法,具有精确性、收敛性和匹配快等特点。     

基于实时地形校正的InSAR图像匹配算法

针对侧视雷达/可见光图像匹配制导系统中由于雷达图像地形畸变引起的误匹配问题,提出了一种基于干涉合成孔径雷达（InSAR）的实时地形校正图像匹配算法。该算法以侧视雷达成像几何构象为基础,利用InSAR获取的实时地形数据对获取的SAR景象数据进行实时几何校正,生成无畸变的SAR景象数据,然后利用校正后的SAR景象数据与提前安装的可见光基准数据进行基于去均值归一化互相关模板的图像匹配。实验结果表明,通过实时地形校正,该景象匹配算法在复杂地形区域的匹配概率和匹配精度都大大优于传统SAR景象匹配算法,有效地提高了SAR图像匹配制导技术的适用性。     

一种基于自适应遗传搜索策略的地磁匹配算法研究

针对如何进行精确地磁匹配定位问题,提出一种基于自适应遗传搜索策略的地磁匹配算法。首先选择地磁异常场作为匹配特征量;然后从染色体编码、适应度函数以及遗传操作3个方面对自适应遗传算法进行阐述,给出基于自适应遗传搜索策略的地磁匹配算法流程;最后通过仿真分析白噪声、种群大小以及进化代数对地磁匹配结果的影响。研究结果表明:当地磁测量信号含有白噪声时,定位精度可以控制在一个网格(100 m×100 m)内;当种群大小达到70和进化代数达到200代时,定位误差和匹配概率趋于稳定;该算法在定位精度和匹配概率上比传统地磁匹配算法有所提高,并且随着噪声的增加这种优势愈发明显。     

基于线特征的单目SLAM中的迭代数据关联算法

针对基于线特征的单目SLAM（同时定位与地图构建）中的数据关联问题,提出了一种基于线段端点Patch确认的迭代数据关联算法。算法依据近似共线和端点近似重合两个指标来获取线特征的最近邻关联对,使用基于线段端点Patch的定向匹配确认机制来剔除最近邻关联对中的错误项,同时以迭代处理的方式提高数据关联的准确性,综合利用了线特征间的几何约束和图像相似性约束。上述算法在公开数据集上进行了测试,与现有线特征数据关联算法的对比实验结果表明,该算法在满足系统实时性的前提下,在线特征关联对数目和关联准确率上均达到了较好效果。     

基于PBIL进化算法的VC路由算法

针对异步传输(ATM)网络的虚通路(VC)路由选择问题，提出了一种基于PBlL(Population-Based Incremental Lcarning)进化算法的VC路由算法，该算法有效结合了遗传算法与竞争学习的特点。仿真表明，该算法实施简单，能有效兼顾网络开销及路由有效性，解的质量高。     

基于SURF算子的SAR图像匹配改进算法研究

合成孔径雷达（SAR）图像的匹配有着图像纹理特征丰富、匹配计算量大的特点同时要求匹配点均匀分布。针对几种常见匹配算法的不足,利用SURF算子进行图像特征点的提取,在提取亚像素级的精度特征点基础上,使用双向搜索算法改进了匹配正确率。然后根据数据随机取样一致性（RANSAC）剔除错误点,并用仿射和二次多项式两种变换模型进行了实验,验证了匹配的正确性。
     

基于双序列比对算法的立体图像匹配方法*

在分析现有立体匹配方法的基础上,提出一种基于双序列比对算法的立体图像匹配方法。将立体图像对中同名极线上的像素灰度值看做是一对字符序列,使用基于动态规划思想的双序列比对算法对这些对字符序列进行匹配,以获取立体图像视差。为验证该方法的可行性和适用性,采用人脸立体图像对进行实验。实验结果表明,使用该方法进行立体图像匹配能获得光滑的、稠密的视差图。基于动态规划思想的双序列比对算法能够有效地解决立体图像匹配问题,从而为图像的立体匹配提供了一个实用有效的方法。