基于遺傳算法的圖像識(shí)別.pdf

1、現(xiàn)在日益發(fā)展的社會(huì)中，圖像的模式識(shí)別運(yùn)用越來(lái)越廣泛，圖像識(shí)別的目的就是通過對(duì)圖像傳感器采集到的圖像進(jìn)行分析研究，提取出目標(biāo)的特征，本文主要選取了圖像識(shí)別中的一個(gè)重要分支——圖像匹配作為主要研究對(duì)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(biāo)變換和亮度變換。遺傳算法以其簡(jiǎn)單、魯棒性強(qiáng)、不需要很多先驗(yàn)知識(shí)等特點(diǎn)，使它能適應(yīng)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(yùn)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(shí)間和精度上相互矛盾的，針對(duì)該問題，本文提出了基于遺傳算法的圖像識(shí)別。遺傳算法來(lái)源于進(jìn)化論和遺傳學(xué)說(shuō)，是把問題的解表示成生物進(jìn)化中的“染色體”，把問題置于“環(huán)境”中，從中選擇出較適應(yīng)環(huán)境的“染色體”進(jìn)行復(fù)制、交叉、變異產(chǎn)生更適應(yīng)環(huán)境的新一代“染色體”群，一代一代進(jìn)化，最后收斂到最適應(yīng)環(huán)境的一個(gè)“染色體”，即是問題的最優(yōu)解。遺傳算法具有自適應(yīng)的迭代尋優(yōu)搜尋和直接對(duì)結(jié)構(gòu)對(duì)象進(jìn)行操作的算

3、法特點(diǎn)，同時(shí)也是一種基于種群進(jìn)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(yīng)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(shì)可以屏蔽掉模板匹配目標(biāo)過程中對(duì)復(fù)雜參數(shù)的確定過程。因此，本文利用遺傳算法的隨機(jī)搜索和優(yōu)化技術(shù)，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(biāo)準(zhǔn)遺傳算法的圖像匹配的基礎(chǔ)上，改進(jìn)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(biāo)圖像匹配?；煦邕z傳算法將混沌

4、變量引入遺傳算法，通過利用混沌隨機(jī)、各態(tài)歷經(jīng)和規(guī)則的優(yōu)越性達(dá)到超越由于標(biāo)準(zhǔn)遺傳算法的單純隨機(jī)性帶來(lái)的缺陷。由于遺傳算法中需要隨機(jī)設(shè)置的參數(shù)很多，這種單純的隨機(jī)不能確定客觀現(xiàn)實(shí)，以至于遺傳算法陷入一種關(guān)鍵的基因缺陷的局勢(shì)，破壞了尋優(yōu)工作的效率，導(dǎo)致個(gè)體過早集中和種群收斂。如果遺傳進(jìn)化操作融合混沌的方式進(jìn)行種群進(jìn)化，雖然各代在短時(shí)間里看起來(lái)像是隨機(jī)的，但是從長(zhǎng)遠(yuǎn)來(lái)看，它們存在一些細(xì)膩的內(nèi)在聯(lián)系，混沌遺傳算法就是結(jié)合混沌現(xiàn)象的遍歷性和遺傳算法

5、的反演性，進(jìn)行遺傳操作，因?yàn)榛煦绲谋闅v性，可以使得尋優(yōu)過程慢慢向最優(yōu)點(diǎn)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(jī)制的抗體濃度調(diào)節(jié)機(jī)制，構(gòu)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(jī)制，記憶保存每代的最優(yōu)個(gè)體，加速其尋優(yōu)的速度。三種遺傳算法的運(yùn)用對(duì)象也有不同，根據(jù)自己特點(diǎn)，標(biāo)準(zhǔn)遺傳算法主要用于單峰圖像，混沌遺傳算法主要用于復(fù)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(biāo)圖像匹配。通過實(shí)驗(yàn)得到，混沌遺傳算法可以克服標(biāo)準(zhǔn)遺傳算法過早收斂的缺點(diǎn)；而將免疫的小生境技術(shù)和遺傳算法結(jié)合使用，維持了多樣性。并用實(shí)驗(yàn)將三種方法相互比較，時(shí)間上，免疫的小生境遺傳算法用時(shí)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(jìn)化過程中的有用信息。 本文主要圍繞以下幾個(gè)方面進(jìn)行研究工作： 1.設(shè)計(jì)實(shí)現(xiàn)標(biāo)準(zhǔn)遺傳算法和改進(jìn)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(shè)計(jì)試驗(yàn)程序所需的遺傳

7、算法的進(jìn)化函數(shù)模塊，包括人口模型、編碼、解碼、適應(yīng)度函數(shù)、尺度變換、選擇、交叉、變異和終止準(zhǔn)則等。 2.將遺傳算法應(yīng)用于圖像匹配。結(jié)合傳統(tǒng)的圖像匹配算法，設(shè)計(jì)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(biāo)準(zhǔn)的和改進(jìn)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(jìn)了基于免疫的小生境遺傳算法的多目標(biāo)匹配算法，獲得了較好的實(shí)驗(yàn)結(jié)果。 3.研究二進(jìn)制編碼方案和實(shí)數(shù)數(shù)碼方案，將自然數(shù)編碼方案應(yīng)用于模板匹配并