[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

摘要

本发明属于图像处理技术领域，具体公开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，目的是通过新算法获取图像匹配中更加适合的特征以提高图像识别与匹配的检索准确度。其步骤包括(1)参数设置、种群初始化及匹配方式的选择；(2)计算种群适应度及遗传操作包括交叉、变异、自交叉、自交换操作；(3)优选遗传操作后的个体，进行局部搜索；(4)进一步优选种群，并判断进化是否终止；(5)解码个体树，得到提取新特征的方式，获得新的图像特征；(6)针对新的图像特征，依据设置好的匹配方式，输出图像匹配模型。本发明生成的训练模型，能够有效的提高图像识别与匹配的准确度。

主权项

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Pc，变异概率Pm，种群规模Popsize，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；其中根据特征库中的特征进行编码，按如下步骤完成：a)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；b)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；c)为了控制个体树膨胀，个体树深度不得低于2；(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)中产生的新特征提取模型，生成新的匹配模型，进行图像匹配。