基于遺傳算法的圖像識別.pdf

1、現(xiàn)在日益發(fā)展的社會中，圖像的模式識別運用越來越廣泛，圖像識別的目的就是通過對圖像傳感器采集到的圖像進行分析研究，提取出目標的特征，本文主要選取了圖像識別中的一個重要分支——圖像匹配作為主要研究對象。圖像匹配即兩幅圖像間的亮度和空域上的映射，主要目的就是找到最優(yōu)的空域坐標變換和亮度變換。遺傳算法以其簡單、魯棒性強、不需要很多先驗知識等特點，使它能適應于不同的環(huán)境、問題，并且在大多數(shù)情況下都能得到最優(yōu)解，因此將遺傳算法運用于圖像匹配，具有十

2、分重要的意義。 傳統(tǒng)的匹配方法如模板匹配法等，在時間和精度上相互矛盾的，針對該問題，本文提出了基于遺傳算法的圖像識別。遺傳算法來源于進化論和遺傳學說，是把問題的解表示成生物進化中的“染色體”，把問題置于“環(huán)境”中，從中選擇出較適應環(huán)境的“染色體”進行復制、交叉、變異產生更適應環(huán)境的新一代“染色體”群，一代一代進化，最后收斂到最適應環(huán)境的一個“染色體”，即是問題的最優(yōu)解。遺傳算法具有自適應的迭代尋優(yōu)搜尋和直接對結構對象進行操作的算

3、法特點，同時也是一種基于種群進化的全局優(yōu)化搜索算法，具有隱含的并行性。通過群體適應度控制的遺傳操作，使群體不斷優(yōu)化，從而找到滿意解或最優(yōu)解。利用遺傳算法的這種優(yōu)勢可以屏蔽掉模板匹配目標過程中對復雜參數(shù)的確定過程。因此，本文利用遺傳算法的隨機搜索和優(yōu)化技術，將遺傳算法的迭代尋優(yōu)搜索作為圖像模板匹配的搜索策略，在基于標準遺傳算法的圖像匹配的基礎上，改進了基于混沌遺傳算法的圖像匹配和基于免疫的小生境遺傳算法的多目標圖像匹配。混沌遺傳算法將混沌

4、變量引入遺傳算法，通過利用混沌隨機、各態(tài)歷經和規(guī)則的優(yōu)越性達到超越由于標準遺傳算法的單純隨機性帶來的缺陷。由于遺傳算法中需要隨機設置的參數(shù)很多，這種單純的隨機不能確定客觀現(xiàn)實，以至于遺傳算法陷入一種關鍵的基因缺陷的局勢，破壞了尋優(yōu)工作的效率，導致個體過早集中和種群收斂。如果遺傳進化操作融合混沌的方式進行種群進化，雖然各代在短時間里看起來像是隨機的，但是從長遠來看，它們存在一些細膩的內在聯(lián)系，混沌遺傳算法就是結合混沌現(xiàn)象的遍歷性和遺傳算法

5、的反演性，進行遺傳操作，因為混沌的遍歷性，可以使得尋優(yōu)過程慢慢向最優(yōu)點靠近，慢慢在最小范圍搜索，逐漸混沌化，因而可以避免過早收斂問題?；诿庖叩男∩尺z傳算法就是利用免疫機制的抗體濃度調節(jié)機制，構造初始群體，增加抗體的多樣性，然后利用免疫系統(tǒng)的記憶機制，記憶保存每代的最優(yōu)個體，加速其尋優(yōu)的速度。三種遺傳算法的運用對象也有不同，根據自己特點，標準遺傳算法主要用于單峰圖像，混沌遺傳算法主要用于復雜的非線性圖像，免疫的小生境遺傳算法主要用于多

6、目標圖像匹配。通過實驗得到，混沌遺傳算法可以克服標準遺傳算法過早收斂的缺點；而將免疫的小生境技術和遺傳算法結合使用，維持了多樣性。并用實驗將三種方法相互比較，時間上，免疫的小生境遺傳算法用時最低，精度上，免疫的小生境遺傳算法的匹配精度最高，并能較好的保存進化過程中的有用信息。 本文主要圍繞以下幾個方面進行研究工作： 1.設計實現(xiàn)標準遺傳算法和改進的遺傳算法程序如混沌遺傳算法和免疫的小生境遺傳算法。設計試驗程序所需的遺傳

7、算法的進化函數(shù)模塊，包括人口模型、編碼、解碼、適應度函數(shù)、尺度變換、選擇、交叉、變異和終止準則等。 2.將遺傳算法應用于圖像匹配。結合傳統(tǒng)的圖像匹配算法，設計基于遺傳算法和傳統(tǒng)匹配相似性度量方法的匹配算法，包括標準的和改進的遺傳算法。其中，研究了基于混沌遺傳算法的圖像匹配方法，改進了基于免疫的小生境遺傳算法的多目標匹配算法，獲得了較好的實驗結果。 3.研究二進制編碼方案和實數(shù)數(shù)碼方案，將自然數(shù)編碼方案應用于模板匹配并