基于ACS的高階圖匹配算法研究.pdf

1、圖像匹配是模式識別和計算機視覺領(lǐng)域中的基礎(chǔ)性問題，是許多圖像處理任務(wù)的前提及關(guān)鍵部分。圖像匹配的過程就是建立特征點的對應(yīng)關(guān)系的過程，它受到噪聲、外點、以及視角變化等干擾，是圖像處理中的具有挑戰(zhàn)意義的研究課題。
　　本文首先從特征空間，相似性度量和搜索策略三個方面分析了當(dāng)前圖像匹配的主要理論和方法。按照特征空間，把圖像匹配算法分成了基于統(tǒng)計特征的算法和基于內(nèi)容和結(jié)構(gòu)特征的算法，并且將現(xiàn)有的相似性度量準(zhǔn)則分為了一階度量準(zhǔn)則、二階度量準(zhǔn)

2、則以及高階度量準(zhǔn)則?？偨Y(jié)了常用的圖像匹配搜索策略，并分析和比較了這些方法各自的優(yōu)勢和不足。
　　其次，本文重點討論了基于圖結(jié)構(gòu)模型的圖像匹配方法，研究了圖模型框架的建立方法以及二階約束和高階約束下的圖匹配算法框架，并結(jié)合了具體的實例實現(xiàn)了當(dāng)前具有代表性的二階匹配算法和高階匹配算法，分析了它們的優(yōu)勢和不足。接著，深入研究了高階圖匹配中的張量的建立及去冗余方法、匹配分?jǐn)?shù)函數(shù)的定義以及power迭代方法和隨機游走算法，并實現(xiàn)了這些方法，

3、分析和比較了它們的性能。
　　為了克服傳統(tǒng)的求駐點的優(yōu)化方法容易陷入局部最優(yōu)解的不足，本文引入了人工智能的方法，采用ACS算法優(yōu)化目標(biāo)函數(shù)，提出了一種基于ACS的高階圖匹配算法。該算法首先利用TM算法初始化信息素矩陣為ACS算法提供好的起點，同時使用張量值計算啟發(fā)因子提供先驗知識，然后根據(jù)啟發(fā)因子和信息素計算轉(zhuǎn)移概率，最后利用搜索到的解對信息素進(jìn)行局部更新和全局更新。該算法主要有以下三個優(yōu)勢：1) ACS算法是一個基于概率的隨機的

4、，并且?guī)в姓答伒膯l(fā)式搜索算法，相比于傳統(tǒng)的求駐點的迭代方法，它不容易陷入局部最優(yōu)解并且更容易搜索到比較理想的最優(yōu)解；2)使用親密度張量值計算啟發(fā)因子，為搜索提供了先驗知識；3)使用張量匹配方法求得一個粗解，然后它初始化信息素矩陣，為全局搜索提供了一個好的起點，實驗結(jié)果表明該算法能夠獲得比較高的匹配精度，并且在形變噪聲、外點和視角變化等因素的干擾下仍能具有很強的魯棒性。
　　最后本文對所做的工作進(jìn)行了總結(jié)，同時對高階圖匹配算法仍