配准寻优算法在字符配准中的应用

发布时间：2020-06-06 21:18

【摘要】：通过工业相机采集字符图像过程中因采集系统抖动以及工件位置的偏移使得实际获得的字符图像存在一些平移、缩放和旋转。为了方便对字符图像进一步处理与分析如字符缺陷检测,需要将实际获得的字符图像映射到标准字符图像坐标系中。因此使用图像配准技术来完成实际字符图像与标准字符图像配准。为提高字符图像配准的精度与效率,针对实际获取的字符图像,使用浮动字符与参考字符二值化差异像素点个数作为配准优化函数。为了准确获取二值字符,对字符图像进行滤波、增强的预处理,接着采用图像分割方法完成字符图像二值化。使用粒子群和人工蜂群算法对字符图像配准并针对这两种寻优算法的不足分别提出了改进的算法并应用在字符图像配准中。本文研究内容如下:针对实际采集字符图像存在平移、缩放和旋转,不利于后续字符图像分析如缺陷检测的问题,提出使用图像配准技术处理,提高字符图像分析的准确性。分析图像配准的特征空间、搜索空间、相似性度量以及搜索策略,结合实际字符图像的特点,提出使用二值化字符图像差异像素点个数作为配准的优化函数,并使用智能优化算法提高配准的精度。针对实际字符图像存在噪声、对比度不够明显的问题,提出对引导滤波后图像进行小波增强的字符图像预处理方法。为提高小波增强效果,提出了分段非线性高频增强算法,很好保持字符图像边缘信息,有利于字符图像分割。在对字符图像分割中,提出了基于多因子复杂度的图像分割算法,提高分割准确度。针对标准粒子群算法在字符配准中存在收敛速度慢、易陷入局部极值的问题,提出了改进的粒子群算法,采用非线性变化惯性权重和加速因子,并改进粒子搜索策略,提高字符图像配准准确度及收敛速度。针对标准人工蜂群算法个体探索能力差,收敛速度慢的问题,提出了改进的人工蜂群算法,用非轮盘赌概率模型替换原有的跟随蜂轮盘赌概率模型,在跟随蜂搜索策略上采用全局最优个体引导,加快搜索速度,在字符配准中配准精度及收敛速度均有提高。
【图文】：

直方图,寻优算法,配准,字符图像

小了 100 倍，表中参数是已经变换到仿射变换参数以便于分析表 4-1 Powell 寻优算法配准参数及误差t11t21t31t12t22t32误1.049 0.055 -2.207 -0.058 1.099 -2.082 1.053 0.059 -2.680 -0.057 1.098 -2.110 01.046 0.054 -2.040 -0.059 1.098 -2.030 01.058 0.042 -2.090 -0.050 1.080 -2.900 01.050 0.054 -2.230 -0.056 1.099 -2.170 01.049 0.055 -2.230 -0.057 1.102 -2.200 01.052 0.056 -2.370 -0.056 1.101 -2.240 01.048 0.054 -2.160 -0.057 1.099 -2.120 01.049 0.039 -1.500 -0.058 1.099 -2.090 0优算法时间复杂度分析：图像 1-8 经过 Powell 寻优配准耗时如为 1.291s。直方图显式如图 4-3 所示，其中虚线为平均耗时。表 4-2 Powell寻优算法配准耗时(单位：秒) 1 2 3 4 5 6 7 8/s 1.965 1.398 1.031 0.800 1.266 1.134 1.100 1.6

惯性,权重,迭代次数,算法

图 4-5 LDPSO 算法惯性权重随迭代次数变换采用随机惯性权重，，Eberhart 等人[68]提出随整可以保持种群多样性。0.5 ()2.0randw 策略也是让惯性权重随迭代次数减小，因为不能很好控制算法的开发和探索能力，因此调整公式为： max minmaxmaxR w ww ww 性函数。本文使用的非线性调整的公式为： maxmax min minmaxt tw w w wt
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41

【参考文献】