基于遗传算法的图像匹配技术研究

基于遗传算法的图像匹配技术研究
徐梅
【摘要】为了一步提高图像匹配的精度提出了基于遗传算法的图像匹配技术. 首先介绍了图像匹配的分类及几种模板匹配的方法,给出了基于遗传算法的图像匹配过程,在这个过程中重点讨论了图像预处理、图像处理流程等. 最后,文章重点分析了遗传算法中适应度函数的选择和种群的初始化问题.%The paper introduces the classification of image matching, and several matched mould plate, and presents the image matc-hing process based on genetic algorithm.The discussion centeres on matching process flow, the selection of adaptability function and the initialization of variety for genetic algorithm.
【期刊名称】《辽宁科技学院学报》
【年(卷),期】2015(017)004
【总页数】4页(P30-32,41)
【关键词】遗传算法;图像匹配;匹配模板
【作者】徐梅
【作者单位】安徽新华学院信息工程学院,安徽合肥230088
【正文语种】中文
【中图分类】TP301.6
作为模式识别的重要部分，图像匹配技术在目前已经作为一项重要的技术在图像信息处理领域被广泛应用。

在医学图像配准、航空摄影测量以及飞行器巡航制导等领
域都使用到了图像匹配技术〔1〕。

从应用范围来看，对图像匹配技术进一步开展研究具有非常重要的现实意义。

遗传算法的建立基础是自然选择与群体遗传学，其作为非数值计算优化遗传算法的其中一个算法，具体来说就是要用字符串来对问题的解进行表示，同时还要将字符串作为个体，并使用这些个体来构建群体，此外，个体也可以称之为人工染色体〔2〕。

从遗传算法使用性能方面来说，其具有良好的优化性能，特别是在图像处理领域，如在图像分割、校准、压缩等〔3〕这几个方面都广泛应用到了遗传算法。

在未来的发展中，基于科学的不断进步，遗传算法必然也会随之改进，其优化性能也会逐步得到提升，因此，也会在更多的领域对遗传算法进行应用推广。

1.1 图像匹配的分类
形式不同，图像匹配的分类也是不同的。

除此之外，图像匹配还拥有多种的匹配方法，例如形状匹配、直方图以及模板匹配等〔4〕。

1)直方图匹配
所谓直方图匹配，也就是在进行图像匹配时，不但使用了图像的特征量，还使用了图像的直方图。

图像内容可以使用颜色来表示，基于此，将颜色作为特征来对图像进行检索这类算法属于图像处理前沿技术的一个方面，并且已经被广泛应用〔5〕。

直方图相交法
可以将数据库图像D的统计直方图进行假设，用HD(k)来表示，同时也可以对查
询图像Q进行假设，其统计直方图使用HQ(k)来表示，那么可以得出关于这两个
图像的匹配度，用RQD(Q，D)来表示，则可以得到以下公式：
在进行计算的过程中，若是想要将计算的量降到最少，那么可以借助于欧几里得距离法〔6〕。

这种方法相较于直方图相交法，计算量较少。

此外，为了能够实现对颜色信息的表达，可借助于直方图均值来进行，并实现图像的三个分量的匹配。

与此同时，可以将关于数据库图像D与查询图像Q两者之间的匹配度使用下面的公
式表示出来：
在上面的公式中，R，G，B分量直方图的0阶矩阵可以分别使用f=[μR，μG，
μB]T，μR，μG，μB来表示。

2)模板匹配
将原图像作为匹配对象，将小的图像与之相对比，然后寻找原图像中是否存在有与小图形类同的区域，这就是所谓的模板匹配。

通常来说，图像中的边缘、曲线以及直线图像等都可以从模板匹配中检测出来。

1.2 几种模板匹配方法
用模板匹配方法来确定匹配位置的整个过程，主要是经过计算被匹配图像及模板图像来确认的〔7〕。

对于模板匹配来说，搜索策略以及相似性度量法对其性能起着决定性的作用。

若T(x，y)和F(x，y)分别表示模板及匹配的图像，P×Q和M×N 分别表示模板及匹配的图像的大小，那么，等待匹配的图像里留有可能的匹配点共计(M-P+1)×(N-Q+1)个，在这些可能的匹配点中的任何一个就会给出1个模板图像大小相对应的搜索窗口。

(SSDA)序贯相似测量、ABS(AbsoluteBalanceSearch)以及归一化积相关等等都属于相似性度量法。

并且一旦原图像亦或是模板图像的灰度产生线性的改变，整个算法就没有用了。

(1)ABS匹配算法
ABS算法相关度测量的公式如下：
此项ABS算法还需要通过(M-P+1)*(N-Q+1)*P*Q次基本算术计算，因此，它的整个效率还是比较差的。

(2)归一化积相关匹配算法
归一化积相关度测量其运算公式是：
归一化积度量法是一个低效率的算法，其可以避免图像线性产生改变时的问题，但整个计算量还是相当多的。

2.1 图像预处理
图像预处理的作用主要是为了保证图像匹配的正常开展，其可以通过削减或消除等待匹配的图像间的灰度偏差和几何形变来实现。

在不同的环境下，获得2幅有很
大差异的图像，其主要是灰度偏差以及几何变形，因此，想要匹配出比较好的效果，就要在开始匹配前更大程度的除掉或者减弱这些图像之间的偏差。

从整体的图像来分析，成像条件的改变是致使图像间灰度差异的主要原因。

在此，我们在通常情况下都能够利用归一化方法修复图像之间灰度的差异。

若σf、f以及μg分别表示标准差、模板灰度以及平均灰度；g以及μg分别表示实时图像灰度
以及平均灰度，σg表示标准差，则通过归一化之后f、g的图像灰度分别是：
图像间灰度的偏差在经过归一化方法处理后便被除掉。

另外，在其他一些因素的影响下，高频噪声或在图像中存在着，因此为了除掉或是减小其影响，则要用一些算法(通常情况下高斯低通滤波常常被运用)，最后在修复2个图像间灰度的差异。

何为几何变形，其主要是很多原因共同影响造成的，是2个匹配图像间的相对的几
何形变，例如在产生图像的过程里，几何变形就是发生在2幅相匹配的图像中的
相对应的几何形变，这一结果的产生是受到多方面原因影响的，若在图像的整个进行过程里，造成图像几何形变的原因主要为成像系统自身产生摄像视角以及非线性的改变，除此之外，图像间透视、比例尺、扫描、以及旋转等误差都会致使几何形变。

借助于直接法可以将几何变形进行校正，以畸变图像数组为原点，可以按次序在校正图像坐标系中对每个像素点的位置进行确定：
公式中，校正变换函数用Fx，Fy表示，而且通过公式2.2即可根据像素点的灰度
值运算出对应校正图像的像素点。

2.2 基于遗传算法的图像匹配的基本流程
1)定义适应度函数。

2)选择编码策略
进行运算时，匹配图像和模板的大小和图像的匹配位置之间关系紧密，且位串结构空间则由域和参数集合转换所得。

如果模板和待匹配图像的大小分别为m×n，
M×N，那么图像匹配位置的分布范围，也就是遗传算法的搜索范围是(M-m)，(N-n)。

3)确定遗传策略
确定遗传策略不仅需要指明变异、交叉概率参数，还需选择群体规模以及变异、交叉等运算方式。

4)生成初始种群
该过程并不固定，具有随机性。

5)运算个体的适应度
在执行解码操作后，可根据个体适应度值判断其优劣性。

6)选择合适的运算方式
以遗传策略为基础，并通过变异等方式获取新一代种群。

7)判断算法结果
根据遗传算法的运算结果并结合最终的终止条件进行判断，假设结果符合终止条件，那么结束运算，反之则重新返回上一个步骤，继续执行遗传运算，直至结果符合终止条件。

其中，有关该流程的具体内容如下图：
2.3 适应度函数的选择
目标函数值是遗传算法的显著特征，也是是人们继续运算的重要凭证，它能够及时有效的搜集有利信息，为下一步运算提供保障。

种群个体通过解码获取其表现型后，根据所得内容计算目标函数值。

同时，以最优化问题为基准，并通过转换原则，得出个体的适应度值。

适应度函数的多样性，使得平均平方差值成为判断相似性的标准。

而且当变量的值
越大，则表示匹配度越低，相似度也越弱。

遗传算法在进行运算时，为了保证个体遗传概率的精确度，个体的适应度均不小于零。

而且图像匹配也指目标函数的最小值。

因此，在进行运算时，仅需在所得值上添加负号，就能够将最小值转换为最大值，公式内容如下：
min(d)=max(-d)
通过公式2.4运算可知目标函数的最小值，再经公式2.5将其转换为最大值进行运算。

因此，公式2.4中求取的目标函数最小值均不大于零，而且为了保证个体适应度值的准确性，最终的适应度函数为：
公式中平均平方差用变量表示
2.4 种群的初始化
本文所研究的模板和匹配图的大小假设分别是：83×83，375×375。

因此，决策变量x和变量y的数值范围均在1至292之间。

而初始种群个体的分布范围则是(375-83)×(375-83)。

模板b和匹配图b的大小分别是：32×43，230×198。

所以，决策变量和变量的数值范围分别表示为：1≤x≤198，1≤y≤155。

由于二进制编码的运算简便，可操作性强，所以通常在进行变异、交叉等方法时都使用二进制编码进行操作。

二进制编码由0和1共同构成，因此，二进制符号集也可以表示为{0，1}，每个符号都可以作为二进制编码的符号串。

由于所得结果的准确度和编码长度紧密相关，因此当编码长度是1，且某个参数值范围为时[Umin，Umax]，可得出种2l编码。

编码与参数的关系可表示为：
00000…00000=0→Umin
00000…00001=1→Umax+δ
⋮⋮⋮⋮⋮
11111…11111=2l→Umax
其中，编码的精度值可表示为：
某个个体的二进制编码如下所示：
X：blbl-1bl-2……b2b1
解码运算公式则是：
当决策变量x精度值是1，且变量值不高于292，不低于1时，通过公式2.7可知，当编码串长度变量l的值为9，而且有字符串010010110时，其结果可以作为一
个个体。

而通过公式2.8运算可知，所得变量x的值则是860。

遗传算法是指根据优胜劣汰准则，模拟和研究生物进化过程，分析如何交换和处理生物群体内部染色体信息，并得出解决方案。

遗传算法中，复杂的结构通常由编码技术表示。

为了更好的确定搜索空间，人们按照优胜劣汰原则对其中的一组编码实施进化操作。

由于图像和遗传算法相结合的研究方式应用前景广阔，而且在图像处理方面也发挥了巨大的作用，因此这在一定程度上也推动了图像处理领域的发展。

〔1〕薛娇.基于改进遗传算法的图像匹配方法研究〔D〕太原理工大学,2011. 〔2〕李红梅;基于遗传算法的图像匹配算法研究〔J〕．计算机与数字工程，2013,(1)：19-21.
〔3〕王静;张树生;孙宏伟;刘晓翔.基于神经网络与遗传算法的图像轮廓序列匹配技术〔D〕．计算机工程与应用，2013(9)：29-32.
〔4〕袁张露;许建龙;曾龙龙.基于改进的遗传算法的图像匹配研究〔J〕．浙江理工大学学报，2011,(6)：73-79.
〔5〕毛俊逸;李生红;杨树堂;陈萍萍.基于遗传算法的图像边缘信息链表匹配技术[J].通信技术，2003(8):20-25.
〔6〕黄雅兰.基于特征点的图像匹配技术研究与应用〔D〕．江西理工大学，2014 〔7〕刘辰龙.基于遗传算法的水声图像分割技术研究〔D〕．哈尔滨工程大学，2013.。