基于蝙蝠算法优化BP神经网络的特征点匹配

由于医学图像的特殊性,普通亮度和对比度偏低,灰度不明显,在成像上拍摄角度和拍摄光照变化,都是导致图像的中的数据丢失,为了解决上述的干扰,近年来,基于特征点的人工神经网络图像匹配方法具有高速信息处理和不确定性信息处理的能力,引起了人们的广泛关注。传统的BP神经网络参数是随机的,容易陷入局部最优,利用蝙蝠算法优化BP网络参数,应用到特征点匹配中去。提出了一种基于蝙蝠算法优化BP神经网络的特征点匹配方法,利用两图间匹配为基础,建立基于蝙蝠算法优化BP神经网络的特征点匹配的模型,并加以特征点的单一性约束准则和互应性约束准则,仿真结果表明:蝙蝠算法优化BP神经网络的特征点匹配的正确率比传统的BP神经网络的正确率高。