[发明专利]混沌启发式搜索优化的弓网图像配准方法及装置

说明书

本发明涉及图像处理技术领域，并提出了一种混沌启发式搜索优化的弓网图像配准方法及装置，旨在解决人工蜂群优化算法应用于弓网图像配准时容易出现收敛速度慢，配准精度不足的技术问题。为此目的，本发明中的混沌启发式搜索优化的弓网图像配准方法包括：根据预设的参考弓网图像，生成初始种群；初始种群中的每个个体存储有预定数目个配准参数；利用混沌启发式搜索算法优化待配准弓网图像的配准参数；利用配准参数对待配准弓网图像进行空间变换，得到配准的弓网图像。本发明可以增强算法的局部搜索能力，加快算法的收敛速度，提高弓网图像配准的精度。

技术领域

本发明涉及图像处理领域，具体涉及一种混沌启发式搜索优化的弓网图像配准方法及装置。

背景技术

随着中国高速列车技术的不断成熟，中国高速铁路网正在不断发展壮大。在高速铁路网中，运行的每辆高速列车时刻都需要通过受电弓与电网的滑动接触而获取电力能源的。由此可知，弓网系统是高速铁路网系统中的重要组成部分。然而，随着高速列车的提速，弓网出现故障的概率也会增大。而弓网系统的故障对高速列车的运行会带来极大的危险。因此，弓网故障检测是高速列车系统中的一项重要基础性技术。

为了实时地检测弓网系统中出现的故障，研究人员提出了基于机器视觉的弓网故障检测方法。弓网图像配准技术是基于机器视觉的弓网故障检测方法中的关键技术。弓网图像配准就是给定一幅图参考弓网图像和一幅待配准弓网图像，搜索到合适的空间变换参数对待配准弓网图像进行空间变换，使得空间变换后的待配准弓网图像与参考弓网图像之间达到某些指标上的匹配。弓网图像配准问题往往是通过转化成优化问题来求解的。人工蜂群优化算法是一种模拟自然界中蜜蜂采蜂行为的优化算法，它在解决许多优化问题中获得了很满意的结果。然而，传统人工蜂群优化算法在解决弓网图像配准问题时容易出现收敛速度慢，配准精度不足的缺点。

发明内容

为了解决现有技术中的上述技术问题，即为了解决传统人工蜂群优化算法应用于弓网图像配准时容易出现收敛速度慢，配准精度不足的技术问题，为此目的，本发明提供了一种混沌启发式搜索优化的弓网图像配准方法及装置，以解决上述问题。

第一方面，本发明提供的混沌启发式搜索优化的弓网图像配准方法包括如下步骤：基于预设的参考弓网图像，利用混沌启发式搜索算法对待配准弓网图像进行配准，具体为：

步骤S1：初始化混沌启发式搜索算法的参数，其中，所述参数包括种群大小和最大迭代次数；

步骤S2：设置当前迭代次数为t＝0；

步骤S3：随机生成初始种群；所述种群中的每个个体存储有预定数目个配准参数值；

步骤S4：计算所述种群中每个个体的适应值，并保存所述种群中的最优个体；

步骤S5：所述种群中的雇佣蜂执行搜索操作，然后计算所述种群中每个个体的选择概率；

步骤S6：所述种群中的观察蜂执行混沌启发式搜索操作，具体为：

步骤S61：随机生成一个[0.6，1]之间的实数ran，然后随机产生一个[PSZ，PSZ×2]之间的整数CTN，其中，PSZ为种群中的个体数目；

步骤S62：通过所述整数CTN次迭代运算计算出混沌启发式搜索操作的混沌因子，具体为：

步骤S621：令混沌因子cbt＝ran；

步骤S622：设置第一计数器ib＝1；

步骤S623：计算中间变量hav＝sin(cbt×π)；

步骤S624：令混沌因子cbt＝hav，并令第一计数器ib＝ib+1；

步骤S625：如果所述第一计数器ib大于所述整数CTN，则转到步骤S63，否则转到步骤S623；

步骤S63：设置第二计数器ik＝1；