基于遗传编程的图像重要点提取的研究

摘要

重要点检测是图像处理与理解的基础,比如二维图像的全景拼接、三维图像的三维建模、图像标定、运动检测、目标识别以及机器人导航等等。通过对图像中稀疏的重要点进行分析,能够在很大程度上提升高层算法的准确度以及效率。特别是对于实时性要求比较高的算法,准确地检测并提取重要点显得尤为重要。
　　在机器学习中,遗传编程属于进化计算的一种。在不需要用户知道解决问题的具体形式以及结构的情况下,遗传编程也能自动地生成解决问题的方法。同时,遗传编程也被证明是能够产生计算机视觉处理算法的一个非常有用的方法,因为其能够直接生成图像处理的算子。
　　本文首先对传统的重要点检测算法加以讨论和分析,总结了其基本的算法思想。在此基础上,结合机器学习的优势,把遗传编程应用于图像重要点的提取中。根据实际应用的要求,首先解决了遗传编程在重要点检测中的染色体编码问题,并确定了合适的适应度函数以便对重要点检测个体程序进行适当的评估,从而能够让进化算法对种群中的个体进行更好的选择。随后对遗传编程实际问题的各项控制参数的设置以及合适的遗传算子选择进行了讨论。在完成算法的设计之后,进行多轮的遗传编程算法实验,并对获得的输出结果进行分析评估。最后把遗传编程生成的高效率、高准确度的重要点检测算法与现有算法进行了比较测试。
　　实验结果表明,在同样的评估条件下,基于遗传编程得到的重要点检测算法的性能能够达到并超过传统的检测算法。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究意义与背景

1.2遗传编程与计算机视觉

1.3本文主要内容

第二章 图像重要点检测基本理论和方法

2.1理想的重要点特征

2.2现有检测算法分析

2.3重要点检测算法性能评估

第三章 遗传编程

3.1遗传编程的基本概念

3.2遗传编程的特点

3.3遗传编程算法的基本流程

3.4遗传编程的具体参数设置

第四章 基于遗传编程的重要点检测算法

4.1遗传编程与特征提取

4.2遗传编程的参数设计

4.3算法实验及结果分析

第五章 总结与展望

5.1本文主要工作

5.2下一步工作展望

致谢

参考文献