融合粒子群与拓扑相似性的图像匹配算法研究

张晓闻; 靳雁霞; 银莉; 张鑫

Chinese

您当前的位置：

首页 >

文章列表页 >

融合粒子群与拓扑相似性的图像匹配算法研究

更新时间：2026-09-04

- 融合粒子群与拓扑相似性的图像匹配算法研究
- Matching Algorithm of the Image Based on Particle Swarm Optimization and Topological Similarity
- 微电子学与计算机 2017年34卷第3期页码：95-99
- 作者机构：
  
  中北大学机构计算机与控制工程学院,山西,太原,030051
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61379459
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
张晓闻, 靳雁霞, 银莉, 张鑫. 融合粒子群与拓扑相似性的图像匹配算法研究[J]. 微电子学与计算机, 2017, 34(3): 95-99.

ZHANG Xiao-wen, JIN Yan-xia, YIN Li, et al. Matching Algorithm of the Image Based on Particle Swarm Optimization and Topological Similarity[J]. 2017, 34(3): 95-99.
张晓闻, 靳雁霞, 银莉, 张鑫. 融合粒子群与拓扑相似性的图像匹配算法研究[J]. 微电子学与计算机, 2017, 34(3): 95-99. DOI：

ZHANG Xiao-wen, JIN Yan-xia, YIN Li, et al. Matching Algorithm of the Image Based on Particle Swarm Optimization and Topological Similarity[J]. 2017, 34(3): 95-99. DOI：

摘要

针对目前图像匹配中存在的计算量大、效率低等问题

提出了一种结合粒子群与拓扑相似性的图像匹配算法.在该算法中检测特征点

计算两幅图像的轮廓相似度

找出图像特征分布较明显的区域.在轮廓内进行拓扑结构相似度的计算

将图像中的特征使用粒子群算法进行优化

依次迭代

产生一对多或多对多的关系.利用拓扑约束将复杂关系简化为一对一的简单关系.通过与DPSOHM的实验对比发现新提出的算法在匹配精度上有了很大的提高

可以有效地解决效率低、误差大的问题

较大减少了错误的匹配点数.

Abstract

To solve the problem-great amount of calculation and poor efficiency in present image matching

we proposed a new algorithm combined particle swarm and Topological similarity. In this algorithm we test the characteristic points

compute the contour similarity

and then find out the areas where the image characteristic values distribute obviously. Computing the Topological similarity in the image edge

and optimizing the characteristic values with the particle swarm algorithm

until it iterates successively and produce many-one or many-many relationship. Then transform these complex relationships into one-to-one relationship utilizing the Topological constraint. Compared with the experiment of DPSOHM

the Matching precision greatly improves in this algorithm which resolves the poor efficiency and large error

and greatly reduces the error of the matching points.

关键词

Keywords

references

潘晶. 三维模型检索中若干特征提取方法的研究与应用[D]. 桂林: 广西师范大学, 2008.

Gui Yang, Su Ang, Du Jing. Point-pattern matching method using SURF and Shape Context[J]. Optik-International Journal for Light and Electron Optics, 2013, 124(14): 1869-1873. DOI: 1869

Benjamin Bustos, Daniel AKeim, Dietmar Saupe, et al. Feature-based similarity search in 3D object databases[J]. ACM Computing Surveys, 2005, 37(4): 345-387. DOI: 345

Lu Q, Han Q L, Liu S. A finite-time particle swarm optimization algorithm for odor source localization[J]. Information Science, 2014, 277: 111-140. DOI: 111

Kennedy J. Small worlds and mega-minds: effects of neighborhood topology on particle swarm performance[C]// Proc. Congress on Evolutionary Computation 1999. Piscataway, NJ: IEEE Service Center, 1999.

Yang Jian, Huang Qingqing, Wu Bin, et al. A remote sensing imageryautomatic feature registration method based on Mean-Shift[C]//Procof IEEE International Geoscience and RemoteSensingSymposium. Munich: IEEE, 2012: 2364-2367.

吴水生. 植物形态相似性比较方法研究[D]. 杭州: 浙江工业大学, 2013.

李珊珊. 计算机视觉中特征与相似性度量研究[D]. 合肥: 中国科学技术大学, 2010.

Maoguo Gong, Yue Wu, Qing Cai, et al. Discrete particle swarm optimization for high-order graph matching[J]. Information Sciences, 2016, 328: 158-171. DOI: 158

赵烨, 蒋建国, 洪日昌. 基于RANSAC的SIFT匹配优化[J]. 光电工程, 2014, 41(8): 58-65. DOI: 58

曾丹, 李连芳, 沈洁, 等. 基于拓扑及三角剖分的无约束场景特征匹配[J]. 计算机辅助设计与图形学学报, 2015, 27(5): 799-807. DOI: 799

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种适用于嵌入式平台的Siamese网络匹配算法

虚拟双目视差法在公交客流统计中的应用

基于反向体偏置的高增益稳定性高温运放设计

超低功耗实时时钟电路的设计

低功耗设计的双链电源关断策略的实现与验证