论文部分内容阅读
基于点的特征匹配是模式识别和计算机视觉领域中一个基本而重要的问题。广泛应用于如图像配准、物体识别、运动目标检测与跟踪、手写体识别等工程领域。由于图像获取和特征提取阶段实际操作不当等原因会产生不同程度的噪声，使得本来精确的特征点之间的对应关系变得难以确定。由于野值点和非刚性形变的存在，使得点匹配问题变得艰难和复杂起来。 基于点的特征匹配即找到两个待配准的点集之间的对应关系和空间映射关系，并构造对应的能量函数．用以表征点集之间的一一对应关系、刚性和非刚性形变，进而实现精确配准的目的。本文主要工作如下： (1)提出两类基于PSO的改进算法。基于参数改进，提出一种基于非线性自适应的PSO算法(NLAPSO)：基于多样性控制，提出基于线性自适应的QPSO算法(LAQPSO)、线性多样性PSO算法(LWDPSO)和自适应多样性PSO算法(AWDPSO)。数值仿真表明，这几种改进的PSO算法无论在单模态、简单多模态还是复杂多模态的标准测试函数寻优中,较标准PSO均表现出极好的精度、稳定性和快速性。 (2)提出两种非刚体点云配准算法。薄板样条函数具有能够将形变分成仿射分量和非仿射分量的特性，本文在对仿射和非仿射分量权重系数递减策略研究的基础上将(1)中的基于参数改进的NLAPSO算法和基于多样性改进的LAQPSO算法应用到非刚体点云配准实例中去。实验从主观和客观两个方面对配准结果进行评价。主观上，两种配准结果均表现出比基于确定性退火的非刚体点云配准更为精确的结果，验证了本文算法的有效性：客观上，本文算法均值、方差明显优于基于确定性退火的非刚体点云配准，数值结果精度上提高了多个数量级，且达到配准的时间也明显改善，验证了本文算法精确性、稳定性和快速性。