[发明专利]一种基于新编码方式的遗传规划算法的图形图像识别与匹配方法

权利要求书

1.一种基于新编码方式的遗传规划算法的图形图像识别与匹配方法，其特征在于：包括如下步骤： 

(1)初始化交叉概率P_c，变异概率P_m，种群规模Pop_size，变异步长因子s，以及迭代次数gen；选择半数图像库中的图像作为匹配模型的训练集，剩余部分作为匹配模型的测试集； 

(2)采用图像特征“组合矩”的方法，对训练集图像进行训练，生成图像特征库；根据特征库中的特征进行编码，初始化种群； 

(3)计算种群个体的适应度，保留适应度大的个体，并对保留的个体进行选择、交叉和变异操作； 

(4)对交叉变异后的个体进行局部搜索，完成自交叉和自交换操作； 

(5)对步骤(4)产生的个体结果进行适应度评估，若其最优适应度达到所需水平，解码最优表达式树，生成新的图像特征提取模型，转向步骤(6)；否则转向步骤(3)； 

(6)根据已设定的特征匹配模型和步骤(5)中产生的新特征模型，生成新的匹配模型，进行图像匹配。 

2.如权利要求1所述的一种基于新编码方式的遗传规划算法的图形图像识别与匹配方法，其特征在于：步骤(2)中所述的根据特征库中的特征进行编码，按如下步骤完成： 

2a）根据遗传规划的编码思想，在个体树的根节点处使用abs函数符号；非根节点处的函数符选用其他常规函数； 

2b）叶子节点采用常数或随机数作为终止符，每个叶子节点代表了图像特征“组合距”的一个维度； 

2c）为了控制个体树膨胀，个体树深度不得低于2。 

3.如权利要求1所述的一种基于新编码方式的遗传规划算法的图形图像识别与匹配方法，其特征在于：步骤(3)中所述的交叉、变异操作，按如下步骤完成： 

3a）对于种群中被选择到的个体ind₁，ind₂进行交叉操作，首先计算出ind₁与ind₂中个体表达树的节点个数N₁，N₂；产生两个随机整数r₁,r₂分别位于区间[1,N₁]，[1,N₂]中；在个体表达树中分别找到第r₁个和第r₂个节点的位置； 交换两个位置处的子树； 

3b）对于种群中的个体ind₃进行变异操作，首先计算个体树的节点个数N；产生位于[1,N]之间的随机整数r₁；找到个体表达树中的第r₁个节点；产生位于[0,1]区间的随机数rand; 

若rand＜0.5则从操作符与终止符中随机挑选一个运算符替换个体表达树中的第r₁个运算符，并根据该运算符的目数，生成相应的个体子树，完成变异操作； 

若rand≥0.5则首先获取第r₁个节点处的运算符的目数T；然后从运算符中随机挑选目数为T的运算符替换r₁节点处的运算符，完成变异。