优化算法在图像处理技术中的研究

发布时间：2022-01-15 08:41

　　科学技术的发展日新月异,在计算机领域更是突飞猛进,使得传统的图像检索,图像匹配技术已经无法满足用户的要求。目前在图像匹配、图像检索领域中的算法有很多,在图像匹配领域中有基于特征的匹配方法、基于图像灰度的匹配方法等;在图像检索领域中有基于内容的检索方法、基于文本的检索方法等。但是图像匹配和图像检索方法中存在算法运行时间长、聚类效果差、匹配和检索错误率高等问题,使得在实际应用中无法达到用户的要求。从研究中可以发现将智能优化算法应用到匹配和检索中可以提高处理效果。因此本文将从以下三点进行研究:（1）、将环状拓扑结构和全互连拓扑结构相结合提出环状全互连拓扑结构;设计一种新的自适应逃逸机制;提出一种具有自适应逃逸的环状全互连结构的粒子群改进算法。（2）、针对图像匹配中出现的计算量大的问题,使用SICA算法进行优化;在匹配过程中加入新的约束条件和粒子群算法优化提高匹配的准确度和速度。（3）、选用PAM算法对图像数据进行聚类;用烟花算法的调节思想对粒子群算法改进;并用改进后的PAM算法提高聚类速度和质量;以此提升检索的实时性和准确度。 

【文章来源】：中北大学山西省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图像匹配的过程

常见的图像匹配方法

基于图像特征的图像匹配方法

【参考文献】：
期刊论文
[1]基于差分进化的混合智能优化算法及其节能优化应用[J]. 高立群.  煤矿机械. 2017(10)
[2]基于快速粒子群算法的蒸发过程优化控制[J]. 柴琴琴,林琼斌,林双杰.  过程工程学报. 2017(03)
[3]融入最佳叶节点的改进粒子群算法[J]. 靳雁霞,张晓闻,银莉,张鑫.  微电子学与计算机. 2016(09)
[4]基于全局和局部特征融合的图像匹配算法研究[J]. 朱奇光,张朋珍,李昊立,詹贤娇,陈颖.  仪器仪表学报. 2016(01)
[5]具有反向学习和自适应逃逸功能的粒子群优化算法[J]. 吕莉,赵嘉,孙辉.  计算机应用. 2015(05)
[6]融合优质粒子分布的粒子群优化算法[J]. 朱蓉,靳雁霞,范卫华.  小型微型计算机系统. 2015(03)
[7]新的改进K-means算法的图像检索方法[J]. 马娟娟,张伟,李朝锋,杨弘.  微电子学与计算机. 2014(12)
[8]基于SIFT与Contourlet变换的高分辨遥感图像配准[J]. 欧阳能钧,李伟彤,韦蔚,潘晴.  遥感技术与应用. 2013(01)
[9]层次环形拓扑结构的动态粒子群算法[J]. 石松,陈云.  计算机工程与应用. 2013(08)
[10]基于动态邻居拓扑结构的PSO算法[J]. 刘衍民,赵庆祯,牛奔,邵增珍.  计算机工程. 2011(08)

博士论文
[1]基于特征的图像配准关键技术研究[D]. 靳峰.西安电子科技大学 2015

硕士论文
[1]基于SURF算子的车型识别方法[D]. 丁士杰.大连理工大学 2014
[2]基于PCA/ICA的图像特征提取算法研究[D]. 靳洋.西安电子科技大学 2014
[3]基于SIFT算法的图像匹配方法研究[D]. 汪松.西安电子科技大学 2013
[4]基于变换域的图像融合算法研究[D]. 邓艾.武汉科技大学 2012
[5]粒子群算法的拓扑结构分析与研究[D]. 杨朋樽.太原理工大学 2010
[6]基于灰度的图像匹配方法研究[D]. 饶俊飞.武汉理工大学 2005



本文编号：3590297