高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于混沌粒子群优化的图像相关匹配算法研究

杨延西 刘丁 辛菁

杨延西, 刘丁, 辛菁. 基于混沌粒子群优化的图像相关匹配算法研究[J]. 电子与信息学报, 2008, 30(3): 529-533. doi: 10.3724/SP.J.1146.2006.01344
引用本文: 杨延西, 刘丁, 辛菁. 基于混沌粒子群优化的图像相关匹配算法研究[J]. 电子与信息学报, 2008, 30(3): 529-533. doi: 10.3724/SP.J.1146.2006.01344
Yang Yan-xi, Liu Ding, Xin Jing. Research of Image Correlation Matching Method Based on CPSO[J]. Journal of Electronics and Information Technology, 2008, 30(3): 529-533. doi: 10.3724/SP.J.1146.2006.01344
Citation: Yang Yan-xi, Liu Ding, Xin Jing. Research of Image Correlation Matching Method Based on CPSO[J]. Journal of Electronics and Information Technology, 2008, 30(3): 529-533. doi: 10.3724/SP.J.1146.2006.01344

基于混沌粒子群优化的图像相关匹配算法研究

doi: 10.3724/SP.J.1146.2006.01344
基金项目: 

国家自然科学基金(60675048),教育部科学技术研究重大项目(204181)和陕西省教育厅基金(04JK248)资助课题

Research of Image Correlation Matching Method Based on CPSO

  • 摘要: 该文将混沌优化搜索技术应用于粒子群优化算法(PSO),提出了一种基于混沌搜索的粒子群优化算法(CPSO),该算法利用了PSO算法的收敛快速性和混沌运动的遍历性、随机性等特点,采用混沌初始化粒子初始位置,在运行过程中根据粒子群适应度的方差来自适应混沌更新粒子位置。几种典型函数的测试结果表明:CPSO提高了对多维空间的全局搜索能力,并可以有效避免早熟现象。将该方法用于图像相关匹配算法,提出了一种新的基于CPSO的图像相关匹配算法。实验结果证明该方法对解决噪声情况下的图像匹配问题十分有效。
  • Chalermwat P, El-Ghazawi T, and Le Moigne J. Two-phasegenetic algorithm-based image registration on parallelclusters [J].Journal of Future Generation ComputingSystems.2001, 17(3):467-476[2]Brumby S, Theiler J, and Perkins S, et al.. Investigation offeature extraction by a genetic algorithm[R]. in Proc. 1999,SPIE 3812: 24-31.[3]徐建斌, 洪文, 吴一戎. 一种基于距离变换和遗传算法的遥感图像匹配算法[J].电子与信息学报.2005, 27(7):1009-1012浏览[4]熊兴华, 钱增波, 王任享. 遗传算法与最小二乘相结合的遥感图像子像素匹配[J]. 测绘学报, 2001(30), 1: 54-59.Xiong Xing-hua, Qian Zeng-bo, and Wang Ren-xiang. Aremote sensing image subpixel matching combined geneticalgorithm with least square matching[J]. Acta Geodaetica EtCartographic Sinica, 2001(30), 1: 54-59.[5]Kennedy J and Eberhart R. Particle swarm optimization[R].Proc. IEEE Int. Conf. on Neural Networks, IV, Piscataway,NJ: IEEE Service Center, 1995: 1942-1948.[6]Shi Y H and Eberhart R C. Parameter selection in particleswarm optimization[R]. In proc. of the 7th Annual Conf. onEvolutionary Programming, New York, 1998: 591-600.[7]Angeline P J. Using selection to improve particle swarmoptimization[R]. Proceedings of the IEEE Congress onEvolutionary Computation, Anchorage, Alaska, May 4-9,1998: 84-89.[8]Clerc M. The swarm and queen: Towards a deterministicand adaptive particle swarm optimization[R]. Proceedingsof the IEEE Congress on Evolutionary Computation,Washington, DC, 1999: 1951-1957.[9]杨俊杰, 周建中, 喻菁等. 基于混沌搜索的粒子群优化算法[J].计算机工程与应用, 2005(16): 69-71.Yang Jun-jie, Zhou Jian-zhong, and Yu Jing, et al.. Particleswarm optimization algorithm based on chaos searching[J].Computer Engineering and Applications, 2005(16): 69-71.[10]唐巍, 郭镇明, 唐嘉亨等. 复杂函数优化的混沌遗传算法[J].哈尔滨工程大学学报, 2000, 21(5): 1-5.Tang Wei, Guo Zhenming, and Tang Jiaheng, et al..Optimizing complex functions by chaos genetic algorithm[J].Journal of Harbin Engineering University, 2000, 21(5):1-5.[11]刘永红. 图像匹配时矩的高效算法[J].信号处理, 1996,12(4): 356-361.Liu Yong-hong. A high efficient image moments matchingalgorithm [J]. Signal Processing, 1996, 12(4): 356-361.
  • 加载中
计量
  • 文章访问数:  3090
  • HTML全文浏览量:  28
  • PDF下载量:  1033
  • 被引次数: 0
出版历程
  • 收稿日期:  2006-09-07
  • 修回日期:  2007-01-24
  • 刊出日期:  2008-03-19

目录

    /

    返回文章
    返回

    官方微信,欢迎关注