- 1、本文档共16页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号CN101127078A
(43)申请公布日2008.02.20
(21)申请号CN200710121771.6
(22)申请日2007.09.13
(71)申请人北京航空航天大学
地址100083北京市海淀区学院路37号北京航空航天大学自动化学院
(72)发明人段海滨罗德林魏晨陈宗基
(74)专利代理机构北京慧泉知识产权代理有限公司
代理人王顺荣
(51)Int.CI
G06K9/00
G06K9/46
G06K9/62
G06K9/40
权利要求说明书说明书幅图
(54)发明名称
一种基于蚁群智能的无人机机器视
觉图像匹配方法
(57)摘要
本发明提供了一种基于蚁群智能的
无人机机器视觉图像匹配方法。采用中值
滤波法进行平滑滤波,以消除图像的随机
干扰噪声;采用交叉边缘检测法对图像进
行图像锐化处理,以加强图像中的轮廓边
缘和细节;给定原始图像,将每个像素看
作一只蚂蚁,将当前像素和邻域像素的灰
度差与灰度差阈值作比较,小于该阈值的
邻域像素个数即所要提取的邻域特征;根
据图像特征提取特点给出初始聚类中心加
以引导,以减少蚂蚁行走的盲目性,并将
蚂蚁与聚类中心的相似度作为引导函数。
利用蚁群智能对图像和模板的特征集合进
行匹配运算,最终得到无人机机器视觉图
像匹配结果。该方法的优点是计算速度
快、适应性强、匹配精度高,并具有较强
的抗干扰性。
法律状态
法律状态公告日法律状态信息法律状态
权利要求说明书
1.本发明一种基于蚁群智能的无人机机器视觉图像匹配方法,其特征在于:该方法
的具体步骤如下:
(1)图像预处理技术研究:
lt;1gt;采用中值滤波法进行平滑滤波,以消除图像的随机干扰噪声,使图像的失
真尽可能的少;
lt;2gt;采用交叉边缘检测法对图像进行图像锐化处理,以加强图像中的轮廓边缘
和细节;
(2)基于蚁群智能对模板和图像进行特征提取:
给定原始图像,将每个像素看作一只蚂蚁,将当前像素和邻域像素的灰度差与灰度
差阈值作比较,小于该阈值的邻域像素个数即所要提取的邻域特征;图像特征提取
过程中,每只蚂蚁是以灰度、梯度和邻域为特征的三维向量,图像匹配就是这些具
有不同特征的蚂蚁搜索食物源的过程;
给定原始图像X,将每个像素Xsubj/sub看作一只蚂蚁,则可根据上述方法进
行特征提取;任意像素Xsubi/sub到Xsubj/sub的距离为dsubij/sub,
可采用欧几里德距离对其进行计算:
mathsmathmrowmsubmid/mimiij/mi/msubmo=/momsqrt
munderovermiSigma;/mimrowmik/mimo=/momn1/mn/
mrowmim/mi/munderovermsubmip/mimik/mi/msubmsup
mrowmo(/momsubmix/mimiik/mi/msubmo-
/momsubmix/mimijk/mi/msubmo)/mo/mrowmn2/mn/
msup/msqrt/mrow/math/maths
式中,p为加权因子,其值根据像素各分量对聚类的影响程度设定;如像素分量对
某聚类的影响程度较小,则取p=1;反之,若影响程度较大,则取p=4;
(3)基于蚁群智能的图像模板匹配运算:
假设x,y是匹配坐标,s和a是匹配过程中旋转和尺度因子的变化值,
HsubW/sub(x,y)表示Hausdcrf距离,(x,y,s,a)构成了解空间中四个待确
定的参数,则基于蚁群算法的图像匹配适应度函数可定义如下:
mathsmathmrowmif/mimrowmo(/momix/mimo,/mom
iy/mimo,/momis/mimo,/momia
文档评论(0)