基于改进自组织迁移算法的模板匹配.pdfVIP

2010年8月 湖北第二师范学院学报 Aug．2010 第27卷第8期 JournalofHubeiUniversityofEducation V01．27 No．8 基于改进 自组织迁移算法的模板匹配 杜发启 (湖北第二师范学院计算机学院，武汉430205) 摘 要：研究运用自组织迁移算法进行图像模板匹配，提 出了一种基于改进的 自组织迁移算法的模板匹配方法。通过将 动态迁移步长和混合迁移策略引入 自组织迁移过程，提高匹配寻优精度。实验结果表明，改进的自组织迁移算法与其它 自组织迁移算法相比，有效地提高了匹配精度，与穷举方法相比，极大地提高了匹配速度。 关键词：自组织迁移算法；模板匹配 中国分类号：TP274 文献标识码：A 文章编号：1674-344X(2010)8_o(X珥0l 作者简介：杜发启(1954一)，男，湖北武汉人 ，副教授，研究方向为系统结构和图像处理。 1 引言 织迁移过程，更好地保持寻优过程中的种群多样性，进 模板匹配是一类重要的图像处理方法，广泛应用 而获得更好的算法优化性能。 于 目标识别、图像检索、虚拟现实等领域。在模板匹配 本文的结构如下：第2节介绍用于模板匹配的归 中，—个待判定的对象，即模板，在一个待匹配图像的 一 化互相关系数；第3节给出经典的SOMA算法；第4 区域内被比对，通过待匹配图像和模板之间的相似性 节详细描述了结合动态迁移步长和混合迁移策略的改 度量确定模板在待匹配图像中的位置。目前有两类最 进SOMA算法，并分析其特点；第5节对算法进行了实 常用的模板匹配算法：一类是通过挑选出的图像中的 验并给出相关结论。 特殊点(如拐点和角点)进行匹配模板匹配；另一类是 2 归一化互相关模板匹配 直接对待匹配图像和模板进行操作，通过区域 (如圆 归一化互相关模板匹配方法通过计算模板图像和 形、矩形)的属性(如灰度信息、频域信息)的比较来反 模板(如图1所示)的互相关值确定两者的匹配程度， 映它们之间的相似性。但是在大多数情况下，收集特 互相关值越大，它们的匹配度越高。模板T叠放在待 殊点非常的困难，所以第二种方法 的应用更加广 匹配图像s上平移，模板覆盖待匹配图像区域为子图 泛 ¨。 s ，其中iJ为子图左上角像素在待匹配图像上的坐 第二类算法中最经常采用的一种相似性度量是归 标。当互相关值取最大值时的子图位置，就是模板在待 一 化互相关系数，它利用像素灰度值等原始数据之间 匹配图像中的匹配位置。最常用的计算互相关值的公 的相关性进行匹配。穷举方法是匹配精度最高的传统 式如下 ¨： 算法，但是随着待匹配图像和模板规模的增加，其时间 R(J)= 复杂度以平方的规模增长，从而导致处理的信息量大， JIf Ⅳ ∑∑ ． ． (m，，1)S (m，，1) 计算复杂度高，计算时间长等缺点。 兰 = =一 = = = (1) lM N |M N 、 自组织迁移算法 (Self—OrganizingMigratingAlso— √ [(m，n)]√∑，[ (m，n)12 rithm，SOMA)是一种新型的基于群体随机优化的演化 其中，模板的大小为MxN，S (m，n)和