基于競(jìng)爭(zhēng)學(xué)習(xí)機(jī)制的聚類算法在圖像匹配中的應(yīng)用.pdf

1、在傳統(tǒng)的基于特征的圖像匹配過(guò)程中，通過(guò)直接在參考圖像的特征集中搜索與查詢特征最相近的特征進(jìn)行匹配。但是特征點(diǎn)數(shù)量過(guò)多時(shí)，特征點(diǎn)匹配次數(shù)會(huì)急劇上升，匹配效率會(huì)降低。實(shí)際上，特征在高維空間中都會(huì)呈現(xiàn)簇狀結(jié)構(gòu)，這個(gè)簇狀結(jié)構(gòu)隱藏了特征的分類信息。本文通過(guò)聚類算法對(duì)特征進(jìn)行分類，挖掘特征的簇狀結(jié)構(gòu)，將特征空間劃分成若干個(gè)緊湊的子空間。然后在特征點(diǎn)匹配階段，只需在對(duì)應(yīng)的類中尋找與之匹配的特征點(diǎn)，提高匹配效率。但是傳統(tǒng)的聚類算法需要預(yù)先指定類別數(shù)，才

2、能得到較好的聚類效果。次勝者懲罰競(jìng)爭(zhēng)學(xué)習(xí)(RPCL)算法能自動(dòng)選擇合理的類別數(shù)，但對(duì)相關(guān)參數(shù)的選取較敏感；以及其變種 RPCCL算法將所有的競(jìng)爭(zhēng)單元當(dāng)成冗余單元進(jìn)行懲罰不太合理。
　　本文通過(guò)對(duì)競(jìng)爭(zhēng)學(xué)習(xí)算法面臨的問(wèn)題進(jìn)行深入研究，提出了一種可區(qū)分懲罰的競(jìng)爭(zhēng)學(xué)習(xí)(DPCL)算法。算法中各個(gè)單元的學(xué)習(xí)率可以在迭代過(guò)程中自適應(yīng)調(diào)整；同時(shí)使用一種可區(qū)分懲罰的機(jī)制來(lái)區(qū)分競(jìng)爭(zhēng)單元中的冗余單元和正確單元，給予冗余單元較重懲罰，正確單元輕微懲罰，

3、使得算法能自動(dòng)確定正確類別數(shù)。在特征匹配前，本文使用該算法先對(duì)兩幅圖像的特征進(jìn)行聚類，分別將兩個(gè)特征集劃分成若干個(gè)子集。根據(jù)聚類結(jié)果，以所有中心單元為節(jié)點(diǎn)構(gòu)建成一棵 KD樹，然后將各個(gè)子類數(shù)據(jù)作為節(jié)點(diǎn)，分別構(gòu)建成一棵 KD子樹。在特征點(diǎn)匹配過(guò)程中，使用BBF最近鄰查詢算法在對(duì)應(yīng)的子類中查找最鄰近的特征點(diǎn)。
　　最后，本文通過(guò)圖像匹配實(shí)驗(yàn)來(lái)驗(yàn)證本課題的正確性，比較引入本文的可區(qū)分懲罰的競(jìng)爭(zhēng)學(xué)習(xí)算法前后，對(duì)圖像匹配結(jié)果的影響。實(shí)驗(yàn)結(jié)果