基于蟻群算法的高階圖匹配方法研究.pdf

1、圖像配準作為圖像分析領域的關鍵步驟，一直以來都是人們研究的熱點。其中，匹配技術對圖像配準的效果有著重要影響。近年來，隨著科學技術的發(fā)展，人們對圖像匹配的準確率要求越來越高，傳統(tǒng)的匹配技術已經(jīng)不能滿足人們的需要，一些具有魯棒性以及較高的匹配準確率的匹配算法開始成為主流。
　　本文首先分析了圖像配準的相關理論，并對當前主要的配準方法及其特點進行了總結(jié)和討論。接著，本文重點分析了高階圖匹配問題，研究了圖模型的建立方法以及張量的計算方法，

2、同時討論了目標函數(shù)的建立。然后，本文深入研究了蟻群算法的實現(xiàn)過程，在蟻群算法的設計中，啟發(fā)因子和轉(zhuǎn)移概率的計算方法，以及信息素的局部更新和全局更新準則是極其重要的，本文從以上幾個關鍵步驟的設計出發(fā)，給出了蟻群算法的總體實現(xiàn)。本文還詳細討論了三種蟻群算法各自的特點，并總結(jié)了多種蟻群算法在各類靜態(tài)組合優(yōu)化問題中的應用。
　　為了克服傳統(tǒng)的高階圖匹配方法容易陷入局部最優(yōu)的缺陷，本文將蟻群算法引入，提出了一種新的解決高階圖匹配問題的方法。

3、該方法首先建立表示兩個特征集合相似性關系的張量，然后利用張量構(gòu)造目標函數(shù)，接著根據(jù)張量計算啟發(fā)因子，然后利用啟發(fā)因子和信息素計算轉(zhuǎn)移概率，最后根據(jù)得到的解進行信息素更新，最終獲得匹配結(jié)果。與其他算法相比，本算法的主要優(yōu)勢有：(1)將蟻群算法應用到高階圖匹配問題中，使得搜索到的解是全局最優(yōu)解，提高了匹配精度。(2)用張量信息計算蟻群算法的啟發(fā)因子，使得蟻群算法快速收斂，提高了搜索速度。(3)在蟻群算法的每次迭代中，保存了目前最好的路徑，使