文档介绍：东 北 大 学
研 究 生 考 试 试 卷
评分
考试科目： 人工神经网络模型和算法
课程编号：
阅 卷 人：
考试日期：
姓 名：
学 号：
注 意 事 项
1．考 前 研 究 生 将 上 述 项 目 填 写 清 楚
2．字 迹 要 清 楚，保 持 卷 面 清 洁
3．交 卷 时 请 将 本 试 卷 和 题 签 一 起 上 交
东北大学硕士院
基于PSO算法图像匹配技术
摘 要：图像匹配问题是图像处理中一个经典问题，在计算机视觉、模式识别和医学图像处理等方面有着广泛应用。本文关键介绍了在基于灰度图像匹配算法基础上，以匹配相同性度量函数为判定标准，结合智能算法中粒子群算法来实现图像正确而快速匹配。
关键词：图像匹配；相同性度量；粒子群算法；离散空间
1 引言
数字图像配准是指将从同一场景拍摄含有重合区域图像经过特征匹配方法，找出图像之间对应关系。现在，图像配准技术广泛应用于医学、生物、信息处理和其它领域，它已成为图像处理应用中不可或缺技术。
图像匹配问题关键有两种对应问题模型:一是两幅(或多幅)来自不一样传感器、不一样视角或不一样时间图像需找出对应关系，经过匹配步骤可得出两幅图像差异所在，为下一步处理作基础；二是依据已知图像模式在另一幅图像中搜索类似模板目标。图像匹配技术是数字图像处理领域一项关键研究，已在计算机视觉、虚拟现实场景、航空航天遥感测量、医学影像分析、光学和雷达跟踪等领域有着关键应用价值。
大致图像匹配应用领域概括起来关键有以下多个方面:
。包含图像分割、物体识别、形状重建、运动跟踪和特征识别。
。包含医学成像信息诊疗，生物医学信号处理等。
。包含特定目标定位和识别等。
伴随科学技术发展，图像匹配技术在近代信息处理领域中应用范围越来越广泛，而图像数据量庞大这一显著特点，严重制约了图像匹配技术实时应用。图像匹配正确性和实时性是现今在具体应用上存在一对矛盾体，怎样在保持匹配正确性同时，提升其匹配速度是现阶段急需处理问题，也是现在对匹配算法研究关键。在序列目标图像分析、跟踪、识别，工业实时检测等实际应用中，通常是依据已知图像模式，然后在另一幅图像中搜索类似模板目标。
2 图像匹配说明
图像匹配是一个多步骤过程，总来说，大约可分为图像输入、图像预处理、匹配有用信息提取、图像匹配、输出结果等。因为所采取方法各异，不一样匹配算法之间步骤也会有很大不一样，但它们大致过程是相同。：
图像匹配步骤图
基于灰度图像匹配算法
中国外现阶段对图像匹配研究关键是以提升匹配精度和速度为主，同时对匹配方法通用性及鲁棒性也有一定要求。图像匹配方法大致可分为两类:第一类是基于灰度图像匹配算法;第二类是基于特征图像匹配算法。
本文关键讲述第一类基于灰度图像匹配算法。这类方法直接利用图像灰度信息进行匹配，经过象素对之间某种相同性度量(如相关函数、协方差函数、差平方和、差绝对值和等)全局最优化实现匹配，不需进行图像分割和图像特征提取，所以能够避免由这些预处理所造成精度损失。这类匹配方法需要处理问题是:匹配速度比较慢，对灰度信息改变、光照改变、噪声很敏感，没有充足利用灰度统计特征，对每一点灰度信息依靠较大，不适应于匹配对象存在旋转和缩放情况下匹配问题。
本节这里关键利用了基于灰度图像匹配算法中较为简单MAD算法，并结合智能算法中粒子群算法寻优优势，从而实现了较为快速而正确图像匹配。
MAD算法即平均绝对差算法，是Leese最早提出来一个匹配算法。：
子图Sxy
基准图S
N
M
实时图T
平均绝对差算法原理图
基于灰度MAD算法匹配方法函数公式可定义为：
其中d(x，y)为相同性度量函数在偏移量为(x，y)时匹配度量值。由公式能够看出，当d(x，y)取值最小时认为(x，y)是最好匹配位置。
3 ＰＳＯ算法图像匹配
ＰＳＯ算法介绍
粒子群优化算法(PSO)是一个进化计算技术，1995年由Eberhart博士和kennedy博士提出，源于对鸟群捕食行为研究。该算法最初是受到飞鸟集群活动规律性启发，进而利用群体智能建立一个简化模型。粒