多态细菌趋药性的传感器图像自动配准

doi:10.3778/j.issn.1002-8331.2009.04.009

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (4): 30-33.DOI: 10.3778/j.issn.1002-8331.2009.04.009

多态细菌趋药性的传感器图像自动配准

张煜东¹,吴乐南¹,韦耿¹,吴含前²

1.东南大学信息科学与工程学院，南京 210096
2.东南大学软件学院，南京 210096

收稿日期:2008-10-07 修回日期:2008-11-20 出版日期:2009-02-01 发布日期:2009-02-01
通讯作者: 张煜东

Automatic sensor image registration via polymorphic bacterial chemotaxis

ZHANG Yu-dong¹,WU Le-nan¹,WEI Geng¹,WU Han-qian²

1.School of Information Science & Engineering，Southeast University，Nanjing 210096，China
2.School of Software，Southeast University，Nanjing 210096，China

Received:2008-10-07 Revised:2008-11-20 Online:2009-02-01 Published:2009-02-01
Contact: ZHANG Yu-dong

摘要/Abstract

摘要： 传统的图像配准的相似性测度函数对噪声过于敏感，且需要先验知识约束。对此加以改进，提出一种新的相似性测度模型。为了对模型求解，引入一种新的优化算法——细菌趋药性算法，并对其做出改进，得到多态细菌趋药性算法。实验表明，修正的相似性测度模型对噪声免疫；同时多态细菌趋药性算法比精英遗传算法、蚁群算法、粒子群算法、细菌群体趋药性算法等收敛更快，且能以更大概率收敛到全局最优。

关键词: 图像配准, 相似性测度函数, 多态细菌趋药性算法

Abstract: Traditional resemblance measurement function is application-restricted since it is too sensitive to noise and is subject to prior knowledge.Thus，a novel model is proposed.In order to solve the model a new optimization algorithm—Bacterial Chemotaxis Optimization（BCO） is introduced and improved as polymorphic BCO.Experiments show that the proposed model is immune to noises，and the polymorphic BCO not only converges more quickly but also has a higher probability to find global extrama than elite genetic algorithm，ant colony algorithm，particle swarm optimization，and bacterial colony chemotaxis.

Key words: image registration, resemblance measurement function, polymorphic bacteria chemotaxis optimization

张煜东¹,吴乐南¹,韦耿¹,吴含前². 多态细菌趋药性的传感器图像自动配准[J]. 计算机工程与应用, 2009, 45(4): 30-33.

ZHANG Yu-dong¹,WU Le-nan¹,WEI Geng¹,WU Han-qian². Automatic sensor image registration via polymorphic bacterial chemotaxis[J]. Computer Engineering and Applications, 2009, 45(4): 30-33.

[1]	夏丹，周睿. 视差图像配准技术研究综述[J]. 计算机工程与应用, 2021, 57(2): 18-27.
[2]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[3]	刘天，曾亮. 纹理抑制的光照不均图像配准算法研究[J]. 计算机工程与应用, 2020, 56(23): 180-188.
[4]	闵超波. 基于自适应混合多项式变换的图像配准[J]. 计算机工程与应用, 2020, 56(23): 194-201.
[5]	曾安，王烈基，潘丹，黄殷. 基于FCN和互信息的医学图像配准技术研究[J]. 计算机工程与应用, 2020, 56(18): 202-208.
[6]	程德强，白春梦，郭昕，李腾腾，庄焕东，徐辉. 基于分层区域的自适应图像配准算法[J]. 计算机工程与应用, 2019, 55(17): 199-206.
[7]	贾雯晓1，张贵仓1，汪亮亮1，秦娜2. 基于SIFT和改进的RANSAC图像配准算法[J]. 计算机工程与应用, 2018, 54(2): 203-207.
[8]	曹国刚，张晴，张培君，王志敏. 基于多核并行化差异进化算法的图像配准方法[J]. 计算机工程与应用, 2017, 53(20): 166-172.
[9]	雒培磊1，李国庆2，曾怡1. 一种改进的基于深度学习的遥感影像拼接方法[J]. 计算机工程与应用, 2017, 53(20): 180-186.
[10]	张卫国，李景妹. 改进的基于纹理特征的图像配准算法[J]. 计算机工程与应用, 2016, 52(6): 214-218.
[11]	卫建龙1，田铮1，2，延伟东1，范明1. 图像多尺度配准的小波域SURF算法[J]. 计算机工程与应用, 2014, 50(21): 200-204.
[12]	邓朝省，陈莹. 基于局部SIFT特征点的双阈值配准算法[J]. 计算机工程与应用, 2014, 50(2): 189-193.
[13]	杨宇光1，2，滕义伟1. 改进多尺度特征提取的图像配准算法研究[J]. 计算机工程与应用, 2014, 50(15): 157-163.
[14]	耿佳佳1，康晓东1，王昊1，2，于文勇1. 基于Gabor滤波器和聚类的图像配准算法[J]. 计算机工程与应用, 2014, 50(10): 193-196.
[15]	赵钰1，朱俊平1，亢娟娜1，2. 改进的区域互信息和小波变换的图像配准[J]. 计算机工程与应用, 2013, 49(21): 152-155.

多态细菌趋药性的传感器图像自动配准

Automatic sensor image registration via polymorphic bacterial chemotaxis

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