资源描述：
《利用遗传算法实现模板匹配的瓷砖分选》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第31卷第6期华侨大学学报(自然科学版)Vol.31No.62010年11月JournalofHuaqiaoUniversity(NaturalScience)Nov.2010文章编号:10005013(2010)06063204利用遗传算法实现模板匹配的瓷砖分选郑力新,姚强,周凯汀,林福泳(华侨大学信息科学与工程学院,福建泉州362021)摘要:提出瓷砖图像模板匹配的匹配程度公式,分析匹配度与公式值的关系将匹配程度公式作为最优保留个体遗传算法的目标函数,设立遗传算法的3个变
2、量,即x轴起始位置、y轴起始位置和放大倍数对图像的模板进行匹配优化实验结果表明,遗传算法的匹配结果基本稳定,能满足工业实时性的要求,模板的大小同匹配时间成反比,同效果成正比关键词:模板匹配;瓷砖;遗传算法;分选;适应度函数;精度中图分类号:TP391.41;TQ174.76文献标识码:A在瓷砖的生产过程中,区分瓷砖的主要依据是它们的花纹,因此可以根据纹理的不同,采用模板匹配的方法完成机器代替人力的工作.在图像识别中,模板匹配是常用的方法.模板匹配是将图像中某种特征或目标作为模板,在被识别的图
3、像上滑动,并作运算,确定被识别图像上的特征或目标的位置,识别[1][23]出待测的事物与标本相同或相似的方法.遗传算法(GeneticAlgorithm,GA)是模仿自然界生物进化机制发展起来的随机高效全局搜索和优化方法,其本质是一种高效、并行、全局的搜索方法.直接的模板匹配速度太慢,不能满足生产实时性的要求,而采用遗传算法来完成模板匹配,能够快速搜索到最佳匹配效果,大大提高搜索效率,能够满足实际生产的需求.本文将遗传算法与模板匹配相结合,提出瓷砖图像模板匹配的匹配程度公式并应用于瓷砖的分选1模
4、板匹配模板匹配的基本原理:设一个3px3px的图像模板W(i,j),其像素w(i,j)的位置如图1所示.该模板叠放在被检测的图像F上平移,m,n图像F通常称作子图像F(i,j),其像素f(i,j)的位置如图1所示.m,n图1像素位置若模板W(i,j)与子图像F(i,j)完全一致,两者之差为零,即表示两者Fig.1Pixelposition匹配的程度很好.匹配程度或相似程度可表示为11m,n2D(m,n)=[F(i,j)-W(i,j)]i=-1j=-12改进的保留最佳适应个体的遗传算法标准遗传
5、算法存在早期收敛慢、早熟现象,以及后期在最优解附近振荡的缺陷,而这些缺点是可以通过提高交叉概率和变异概率来改善的但是,交叉概率和变异概率的提高又会带来新的问题,如变异[4]概率大的话,遗传算法就退化成随机搜索了,已经求得的最大值被替换掉了,即出现振荡现象.保留最佳适应个体的遗传算法的基本流程,如图2所示在每一代中求出最佳个体,如果下一代的收稿日期:20090323通信作者:郑力新(1967),男,教授,主要从事工业自动化技术和人工智能的研究.Email:zlxzkt@yahoo
6、.com.cn.基金项目:教育部科学技术研究重点项目(207145);福建省高等学校新世纪优秀人才支持项目(07FJRC01)第6期郑力新,等:利用遗传算法实现模板匹配的瓷砖分选633最佳个体的适应度值比上一代的最佳个体适应度值高,则继续进行算法;否则,用上一代的最佳个体替代下一代中的一个个体这样就保证了算法始终在朝着适应度值不断增加的方向进行.图2保留最佳适应个体的遗传算法流程Fig.2Flowchartofgeneticalgorithmforbestkeepin
7、gchromosome用改进后的遗传算法求Shubert函数,有55f(x1,x2)=i!cos[(i+1)!x1+i]!i!cos[(i+1)!x2+i],-10∀x1,x2∀10i=1i=1Shubert函数是个多峰值函数,在区间[-10,10]有760个局部最小值,而其中的18个是全局最小值-186.73.标准遗传算法的计算速度慢,而且很容易进入局部最小值点用改进的保留最佳值的遗传算法的方法,可以很快搜索到最小值,并且不会陷入局部最小值点.具体算法有如下5个步骤17(1)采用二进制编
8、码.要求精度为0.0001,因为[10-(-10)]/0.0001=200000,2<200000<182所以,每个变量要用长度为18的二进制串来表示,两个变量要36位二进制串.(2)初始化种群取初始种群的大小为40,即随机生成长度为36的二进制串,每个二进制串的每一位随机地取0和1.(3)求每个个体的适应度和种群中的最佳适应个体将f(x)取为适应度函数.例如,对于个体p=(010110100010100100100101011101010101)
