[发明专利]基于鲸鱼优化算法和灰色关联分析的快速图像匹配方法

权利要求书

1.一种基于鲸鱼优化算法和灰色关联分析的快速图像匹配方法，其特征在于，包括以下步骤：

步骤1：输入需进行搜索的目标图像S和模板图像T；

步骤2：初始化鲸鱼优化算法所需的参数以及N个鲸鱼的位置，得到算法的初始种群；其中鲸鱼优化算法所需的参数包括鲸鱼群的个数大小N，最大循环次数iter_max，对数螺旋形状常数b，当前迭代次数j，全局最优位置X^*；

步骤3：将鲸鱼优化算法的初始的位置向量所对应的目标图像匹配对应模板图像的像素点在目标图像S中对应的位置坐标，利用适应度评价函数计算得到每个目标图像匹配对应模板图像的像素点的适应度值，将适应度值最高的解记为

所述适应度函数f(X)是根据灰色关联分析法确定的，所述灰色关联分析法中的灰色关联度的定义如下：

设参考序列为：X₀＝{X₀(1),X₀(2),…,X₀(m)}，比较序列为：X_r＝{X_r(1),X_r(2),…,X_r(m)}，则比较序列和参考序列的灰色关联系数ε_0r为：

其中k＝1,2,…m，m表示序列长度，Δmin＝min|X₀(k)-X_r(k)|，Δmax＝max|X₀(k)-X_r(k)|，Δor(k)＝|X₀(k)-X_r(k)|，ξ是分辨系数，是一个预先设定好的常数，保证ε_0r∈[0,1]；Δmin和Δmax分别为比较序列X_r和参考序列X₀的最小绝对差值和最大绝对差值，Δor(k)是绝对差值；

取m个灰色关联系数Δor(k)的算术平均值，得到比较序列X_r和参考序列X₀的灰色关联度R_0r：

此时用灰色关联度R_0r作为模板图像和搜索图像的相似性度量函数，以此为基础，优化算法的适应度函数f(X)设置如下：

其中L为灰度级数，ε_0r为比较序列和参考序列间的灰色关联系数，f(X)最大为1，此时两幅图像完全匹配；

步骤4：计算系数向量A和C；

步骤5：生成随机数p，p∈[0,1]，根据p的取值选择鲸鱼群的空间位置更新方式；

步骤6：对于已经更新空间位置的鲸鱼群个体计算其适应度值，适应度函数f(X)设置如下：

其中L为灰度级数，ε_0r为比较序列和参考序列间的灰色关联系数，f(X)最大为1，此时两幅图像完全匹配；k＝1,2,...m，m表示序列长度；

步骤7：通过比较更新前后鲸群的位置向量对应的适应度函数值，确定下一代鲸群的位置；

步骤8：记录全局最好的位置X^*以及其适应度值F_best；

步骤9：判断是否达到预设的最大的循环次数，若是，则输出最优鲸鱼群个体的位置；若否，则回转执行所述步骤4。

2.根据权利要求1所述的基于鲸鱼优化算法和灰色关联分析的快速图像匹配方法，其特征在于：步骤1中，用f_S(i,j)表示目标图像S在像素点(i,j)处的灰度值，其大小为M×N；用f_T(i,j)表示模板图像T在像素点(i,j)处的灰度值，其大小为m×n，m≤M，n≤N；则模板在目标图像的点(x₁,y₁)的可选区域范围为x₁∈[0,M-m]，y₁∈[0,N-n]。

3.根据权利要求1所述的基于鲸鱼优化算法和灰色关联分析的快速图像匹配方法，其特征在于，步骤4中系数向量A的计算公式为：

A＝2a×r-a

其中，M为最大迭代次数，r为取值范围在[0,1]之间的随机向量。