Hausdorff距离和量子粒子群的二维图像匹配

doi:10.3778/j.issn.1002-8331.2010.17.051

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (17): 179-181.DOI: 10.3778/j.issn.1002-8331.2010.17.051

• 图形、图像、模式识别 • 上一篇下一篇

Hausdorff距离和量子粒子群的二维图像匹配

张毅¹，彭晓明¹，陈武凡^1，2

1.电子科技大学自动化工程学院，成都 610054
2.南方医科大学生物医学工程系，广州 510515

收稿日期:2008-12-02 修回日期:2009-02-27 出版日期:2010-06-11 发布日期:2010-06-11
通讯作者: 张毅

2-D image matching based on Hausdorff distance and quantum particle swarm optimization

ZHANG Yi¹，PENG Xiao-ming¹，CHEN Wu-fan^1，2

1.College of Automation，University of Electronic Science and Technology of China，Chengdu 610054，China
2.Department of Biomedical Engineering，Southern Medical University，Guangzhou 510515，China

Received:2008-12-02 Revised:2009-02-27 Online:2010-06-11 Published:2010-06-11
Contact: ZHANG Yi

摘要/Abstract

摘要： 提出了一种基于Hausdorff距离和量子粒子群算法的二维图像匹配算法。为了实现二维图像的搜索，首先利用Canny算子提取图像的边缘，再利用Hausdorff距离作为图像搜索的目标函数，然后引入了带量子行为的粒子群的优化算法来求解搜索所需的空间变化参数，实验结果表明，带量子行为的粒子群的优化算法（QPSO）能够迅速地在全局范围内找到最优解，因此应用于二维图像搜索是可行的。

关键词: 二维图像搜索, Hausdorff距离, 量子粒子群算法

Abstract: A two-dimensional image matching method based on the Hausdorff distance and Quantum Particle Swarm Optimization（QPSO） is presented.First，edges are extracted from the original images by the Canny edge detector.Then，a similarity function based on the Hausdorff distance is constructed.Finally，the（QPSO） is adopted to optimize the similarity function.Experiments show that the proposed method is able to locate the object of interest globally and efficiently.

Key words: two-dimensional image-search, Hausdorff distance, quantum particle swarm optimization

中图分类号:

TP391

张毅¹，彭晓明¹，陈武凡^1，2. Hausdorff距离和量子粒子群的二维图像匹配[J]. 计算机工程与应用, 2010, 46(17): 179-181.

ZHANG Yi¹，PENG Xiao-ming¹，CHEN Wu-fan^1，2. 2-D image matching based on Hausdorff distance and quantum particle swarm optimization[J]. Computer Engineering and Applications, 2010, 46(17): 179-181.

[1]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[2]	范建平，成瑞，吴美琴. 区间复模糊软集的距离测度及其应用[J]. 计算机工程与应用, 2020, 56(9): 248-259.
[3]	马占飞1，杨晋2，金溢2，边琦3. 基于IQPSO-IDE算法的网络入侵检测方法[J]. 计算机工程与应用, 2019, 55(10): 115-120.
[4]	陈佳瑜，李梁，罗云. 采用多样性选择的量子粒子群双向聚类算法[J]. 计算机工程与应用, 2018, 54(9): 42-46.
[5]	唐亮1，2，仲元昌2，沈甲甲2，马天智2. 粗糙集和支持向量机的表具识别算法研究[J]. 计算机工程与应用, 2018, 54(2): 253-258.
[6]	彭越兮1，徐蔚鸿1，2，陈沅涛1，马宏华3. 改进量子粒子群算法的模糊神经网络水质评价[J]. 计算机工程与应用, 2018, 54(11): 211-216.
[7]	欧阳龙，杨剑锋，徐俊，郭成城. 基于CRQP的多小区OFDMA系统联合资源分配算法[J]. 计算机工程与应用, 2017, 53(5): 121-127.
[8]	洪洋1，乔晓君2，白晓东3. 基于模板匹配的移动设备手写汉字笔画识别[J]. 计算机工程与应用, 2017, 53(20): 105-110.
[9]	靳雁霞，任超，李照，程思岳，王贺，韩慧妍. 融合智能算法的变形体碰撞检测算法研究[J]. 计算机工程与应用, 2017, 53(19): 130-135.
[10]	苑帅，沈西挺，邵娜娜. 引入人工蜂群搜索算子的QPSO算法的改进实现[J]. 计算机工程与应用, 2016, 52(15): 29-33.
[11]	郭婷婷，林意，薛思骐. 一种快速计算参数曲面间Hausdorff距离近似值的方法[J]. 计算机工程与应用, 2016, 52(10): 171-176.
[12]	张拓1，王建平2. 基于CQPSO-LSSVM的网络入侵检测模型[J]. 计算机工程与应用, 2015, 51(2): 113-116.
[13]	张明光，王世亮. 基于BQPSO的电网多目标优化规划[J]. 计算机工程与应用, 2015, 51(18): 266-270.
[14]	孟春宁，吕建平，陈萱华. 基于普通红外摄像机的手势识别[J]. 计算机工程与应用, 2015, 51(16): 17-22.
[15]	朱俊梅1，顾明亮1，2，张世形2，贾晶晶1. 基于改进Citation-KNN算法的性别识别研究[J]. 计算机工程与应用, 2015, 51(15): 206-210.

Hausdorff距离和量子粒子群的二维图像匹配

2-D image matching based on Hausdorff distance and quantum particle swarm optimization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics