基于优化的蚂蚁算法的图像配准

发布时间：2020-09-04 20:49

　　图像配准是图像处理技术中的一个基本问题,其主要目的是基于灰度属性,图像分辨率,寻找两个或多个图像之间的最佳的配准位置。也可以说图像配准技术是在不一样的时间点,不一样的传感器或不一样的角度将需要配准的两幅或多幅图像合成到一张图像中。图像配准方法基本可以分为三种:基于局部不变描述子的图像配准、基于灰度处理的图像配准方法和基于特征的图像配准方法。本文采用基于灰度处理的图像处理技术,优化以后的蚁群算法输出最优参数,而这些参数用于几何变换的公式中,使得配准技术的准确率更高,效率更快。而优化蚁群算法的方法是用萤火虫算法初始化蚁群算法的参数,可以缩短蚁群算法的运行时间。蚁群算法是仿真蚁群觅食行为的优化算法,该算法采用并行优化机制的正反馈方法,有较强的鲁棒性,易于优化,与其他算法结合较容易,在解决许多复杂优化问题中表现出优异的性能和巨大的发展潜力,吸引了众多国内外学者研究这个算法。由此可见蚁群算法在图像配准中的应用具有理论和实际意义。文章介绍了图像配准技术的研究意义、发展背景和研究现状,并对蚁群算法和萤火虫算法的基本知识和理论分别进行了讨论。在这些理论的基础上,用实验证明优化后的蚁群算法在效率方面的优劣,用另一组实验证明该算法用于图像配准的优劣。
【学位单位】：西北师范大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP18;TP391.41
【部分图文】：

对比图,算例,路径,城市规模

数量不同的实验。表 4-2 列出了不同城市数量的算例 El51、Berlin52、Eil76和Ch150用本文算法迭代1000次，平均每个算例进行20次测试，得到的参数α、β的最优组合。这是每个算例在所有测试中最优的情况。图4-1给出了算例 Eil51在利用 3-opt 算法前后的路径变化对比图，发现应用 3-opt 可以有效避免局部交叉现象，得到的解更接近最优值。从表 4-3 和表 4-4 可以看出，在求解城市规模中等的 Eil51 问题时，本文得到了 TSPLIB 库的已知最优值，而且平均值也和最优值接近，对于城市规模较大的 Ch150，本文得到的最优解为 6537

对比图,配准,原图,蚂蚁

下来用蚁群算法进行基于灰度图像配准，步骤如下：1)初始化参数，包括 ij为边(i,j)上的信息素强度, ￥i(¨)为 t 时刻位于像蚂蚁个数而 m 为蚁群中的全部蚂蚁个数，m= ￥i(¨)ni ;2)把所有蚂蚁放置在开始像素点，让蚂蚁开始遍历，对每只蚂蚁以下面行操作。3)基于公式 3-4 计算蚂蚁在像素点中的转移概率，计算出下一个要选择。4)在每只蚂蚁都选择好像素点后，根据公式 3-6 进行信息素的局部更新5)当所有蚂蚁完成一次遍历后，计算出最优路径，并按照公式 3-8 和公行全局信息素更新。6)满足蚂蚁算法的结束条件，则输出最优几何变换参数，按照几何变换两幅图像的配准，不然的话，回到步骤(2)。验中，配准次数达到 15 次。

【参考文献】