基于改進人工蜂群算法的圖像配準方法
【技術領域】
[0001] 本發(fā)明涉及圖像處理領域，特別涉及一種基于改進人工蜂群算法的圖像配準方 法。
【背景技術】
[0002] 隨著科學技術的不斷發(fā)展，人們獲取圖像的能力不斷提高。獲取的圖像一般可以 分為兩大類：單模圖像和多模圖像。單模圖像多指利用同一設備獲得的圖像，多模圖像多 指利用不同設備獲得的圖像。由于單模圖像包含的數(shù)據(jù)存在明顯的局限性以及多模圖像在 幾何、光譜、分辨率等方面存在的差異性，從而出現(xiàn)了圖像融合技術。圖像融合技術可以將 不同傳感器或者同一傳感器獲得的多幅圖像綜合起來使用，從而實現(xiàn)對目標有一個更為全 面、準確認識的目的。在圖像融合處理中，圖像配準是圖像融合的第一步，也是實現(xiàn)融合的 前提條件。只有找準了多幅圖像之間的空間對應關系，才能得到理想的圖像融合效果。
[0003] 圖像配準的方法主要有兩類：基于灰度的方法和基于特征的方法。在基于灰度的 方法中，基于互信息的方法最為常用。利用互信息作為度量圖像相似性的優(yōu)化算法一般有： Powell算法、粒子群算法、差分進化算法、人工蜂群算法等。這些優(yōu)化算法雖然各有優(yōu)點，但 也都存在著各自的問題：Powell算法會隨著搜索方向的退化導致搜索速度變慢；粒子群算 法雖然收斂速度快，但容易陷入局部最優(yōu)解；差分進化算法收斂速度慢，但全局搜索過程較 粒子群算法更為詳細；人工蜂群算法的收斂速度介于粒子群算法和差分進化算法之間，但 在它的第二個搜索階段，算法搜索空間容易局限于某一小塊區(qū)域，全局搜索能力有待提高。

【發(fā)明內(nèi)容】

[0004] 為了解決以上現(xiàn)有技術中的缺陷，特別針對人工蜂群算法在第二搜索階段的搜索 空間容易局限于某一小塊區(qū)域的問題，本發(fā)明提供一種基于改進人工蜂群算法的圖像配準 方法，以提高全局搜索能力。
[0005] 基于改進人工蜂群算法的圖像配準方法，包括以下步驟：
[0006] 步驟1、確定待優(yōu)化參數(shù)及適應度函數(shù)，初始化第一代人工蜂群，產(chǎn)生初始食物 源；
[0007] 步驟2、雇傭蜂尋找當前食物源的臨近食物源，用貪心法在當前食物源與臨近食物 源之間作出選擇；
[0008] 步驟3、雇傭蜂分享食物源信息給觀察蜂，觀察蜂計算所有食物源的適應度值；
[0009] 步驟4、觀察蜂利用輪盤賭算法選擇適應度值較小的食物源，同時引入差分策略進 行臨近食物源的二次搜索；
[0010] 步驟5、重復步驟2-4,直至達到最大迭代次數(shù)；
[0011] 步驟6、迭代結束，輸出最優(yōu)解。
[0012] 適應度值的計算方法為：
【主權項】
1. 基于改進人工蜂群算法的圖像配準方法，其特征在于，包括以下步驟： 步驟1、確定待優(yōu)化參數(shù)及適應度函數(shù)，初始化第一代人工蜂群，產(chǎn)生初始食物源； 步驟2、雇傭蜂尋找當前食物源的臨近食物源，用貪心法在當前食物源與臨近食物源之 間作出選擇； 步驟3、雇傭蜂分享食物源信息給觀察蜂，觀察蜂計算所有食物源的適應度值； 步驟4、觀察蜂利用輪盤賭算法選擇適應度值較小的食物源，同時引入差分策略進行臨 近食物源的二次搜索； 步驟5、重復步驟2-4,直至達到最大迭代次數(shù)； 步驟6、迭代結束，輸出最優(yōu)解。
2. 按照權利要求1所述的基于改進人工蜂群算法的圖像配準方法，其特征在于，適應 度值的計算方法為：
其中f(·)是目標函數(shù)的函數(shù)值，?為食物源。
3. 按照權利要求1所述的基于改進人工蜂群算法的圖像配準方法，其特征在于，引入 差分策略進行食物源的二次搜索進一步包括： 在二次搜索臨近食物源的迭代次數(shù)較小的前期階段，更大概率引入差分與人工蜂群結 合的算法來確定臨近食物源的位置： yaj - Χ aj+ Φ · (Xbj_Xcj) 而在二次搜索臨近食物源的迭代次數(shù)較大的后期階段，更大概率用原始的人工蜂群算 法來確定臨近食物源的位置： yaj - Χ aj+ Φ · (Xaj_Xbj) 其中f與g是兩個隨機選擇的與?食物源的相異的食物源，a乒b乒c且 I < a, b, c < Foodnumber，F(xiàn)oodnumber是食物源的總數(shù)，j是隨機選擇的位置索引 (1彡j彡D)，Φ是[-1，1]之間的任意隨機數(shù)； 尋找到臨近食物源H后，根據(jù)適應度值大小，在:?和?之間使用貪心法選擇適應度 值較小的食物源，產(chǎn)生新的食物源。
【專利摘要】本發(fā)明公開一種基于改進人工蜂群算法的圖像配準方法。其實現(xiàn)步驟為：(1)、確定待優(yōu)化參數(shù)及適應度函數(shù)，初始化第一代人工蜂群，產(chǎn)生初始食物源；(2)雇傭蜂尋找當前食物源的臨近食物源，用貪心法在當前食物源與臨近食物源之間作出選擇；(3)雇傭蜂分享食物源信息給觀察蜂,觀察蜂計算所有食物源的適應度值；(4)觀察蜂利用輪盤賭算法選擇適應度值較小的食物源，同時引入差分策略進行臨近食物源的二次搜索；(5)重復步驟2-4，直至達到最大迭代次數(shù)；(6)輸出最優(yōu)解。本發(fā)明加速了圖像配準的過程，同時提高了圖像配準的準確度。
【IPC分類】G06T7-00
【公開號】CN104835151
【申請?zhí)枴緾N201510202932
【發(fā)明人】王保云, 謝九成, 高 浩, 師玉嬌
【申請人】南京郵電大學
【公開日】2015年8月12日
【申請日】2015年4月24日