[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

说明书

技术领域

本发明涉及图像处理技术领域，具体是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，能够应用于对数字图像的检索中。 

背景技术

视觉或图像信息是人类接收信息的主要途径，包括图像、图形、动画、视频、文字等是最有效和最重要的信息获取和交流方式。随着信息的大量涌现，人们越来越需要利用计算机来辅助获取与处理图像信息。因而图像处理、图像分析和图像理解随之成为计算机科学研究的重要内容。 

图像匹配有基于内容和基于文本之分。基于文本的图像匹配技术，将每幅图像加上相关标签。匹配时，根据标签内容的匹配输出对应的图像，属于人工干预较多的匹配方式。然而随着时代的发展，无法完成对图像信息准确地标注标签信息。因而，基于文本的图像匹配有其自身的局限性。基于内容的图像匹配是将图像本身的信息作为识别内容，根据图像像素间的内在联系，即可完成识别与匹配任务，人工干预大大降低，因此成为许多领域的一项重要技术。 

基于内容的图像匹配技术，在建立图像数据库时，系统对输入的图像进行分析并分类统一建模，然后根据各种图像模型提取图像特征存入特征库，而用户在通过用户接口设置查询条件时，可以采用一种或几种的特征组合来表示，然后系统采用相似性匹配算法计算关键图像特征与特征库中图像特征的相似度，然后按照相似度从大到小的顺序将匹配图像反馈给用户。在此过程中匹配系统会根据不同的特征采用不同的匹配算法，不同的特征匹配算法大不相同，匹配算法需经过精心设计才能达到较好的结果。 

发明内容

本发明的目的在于克服已有技术的不足，提出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，实现识别与匹配效果的提高。 

为此，本发明提供了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，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。 

上述步骤(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。 

上述步骤(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；