改進(jìn)PSO算法在圖像配準(zhǔn)中的應(yīng)用.pdf

1、群體智能從上個(gè)世紀(jì)自誕生以來便使得優(yōu)化領(lǐng)域得到了巨大發(fā)展。一些學(xué)者在對(duì)生物群體行為進(jìn)行研究時(shí)從中得到了很大的啟發(fā)，并由此提出了很多基于群體智能的優(yōu)化算法，其中一種就是粒子群算法(PSO，ParticleSwarm Optimization)。所謂的粒子群算法實(shí)際上是全局優(yōu)化算法的一種，該算法的實(shí)質(zhì)是基于群體搜索策略進(jìn)行的啟發(fā)式行為。粒子群算法所具有的核心思想其實(shí)是根據(jù)鳥類的群體行為得到的啟發(fā)。此算法自提出后就得到了廣泛的關(guān)注，并且隨后便

2、逐步成為了學(xué)者們的研究熱點(diǎn)，這完全是因?yàn)槲⒘Ｈ核惴?PSO算法)本身具有參數(shù)較少、實(shí)現(xiàn)簡(jiǎn)單等特點(diǎn)。除此之外，這種方法同樣還具有一定的智能性以及社會(huì)性。目前，PSO算法已經(jīng)在圖像處理、參數(shù)優(yōu)化、數(shù)據(jù)挖掘、信號(hào)處理、神經(jīng)網(wǎng)絡(luò)、模式識(shí)別等領(lǐng)域得到了廣泛的應(yīng)用，并且取得了很好的優(yōu)化效果。
　　 圖像配準(zhǔn)(Image Registration)是目前圖像處理中的熱點(diǎn)，這在很大程度上是因?yàn)樗菆D像融合的前提，無論是在實(shí)驗(yàn)上還是實(shí)際應(yīng)用中它都

3、具有十分重要的研究?jī)r(jià)值。就圖像配準(zhǔn)而言，它的定義是將不同時(shí)間里存在的不同成像設(shè)備，或者是由于氣候、照度、攝像角度等不同而獲取的兩幅及其以上幅圖像進(jìn)行相應(yīng)的配準(zhǔn)與疊加。由于圖像配準(zhǔn)是將對(duì)時(shí)間或環(huán)境迥異的多幅圖像在空間上進(jìn)行的幾何變換，因此，就使得圖像與圖像之間的相對(duì)應(yīng)的結(jié)構(gòu)像素點(diǎn)在空間上出現(xiàn)一致性[1][2]。過去的幾年來，該技術(shù)得到了迅猛的發(fā)展。就圖像配準(zhǔn)步驟而言，它一般包括三個(gè)步驟:首先，確定參考圖像與浮動(dòng)圖像的坐標(biāo)系，并且定義坐標(biāo)系

4、之間的關(guān)系;其次，定義相似性測(cè)度作為判別準(zhǔn)則;最后，應(yīng)用優(yōu)化算法。其中，第二步與第三步是圖像配準(zhǔn)的核心。這里對(duì)于浮動(dòng)圖像和參考圖像的相似性測(cè)度本文選擇的是峰值信噪比(PSNR)。
　　 本文主要工作歸納如下:
　　 首先，對(duì)圖像配準(zhǔn)和標(biāo)準(zhǔn)PSO算法的理論基礎(chǔ)以及研究現(xiàn)狀進(jìn)行簡(jiǎn)要介紹，對(duì)圖像配準(zhǔn)和PSO算法的原理、算法流程等特點(diǎn)進(jìn)行了分析。
　　 其次，文章針對(duì)標(biāo)準(zhǔn)PSO易陷于局部最優(yōu)的問題，對(duì)標(biāo)準(zhǔn)PSO進(jìn)行了改進(jìn)