论文部分内容阅读
随着计算机技术的飞速发展，图像目标识别是计算机视觉和人工智能研究及应用中一项非常有意义而又有困难的工作。目前已存在一些优化算法来解决图像的目标识别问题，但很多的算法都存在局限性，而新型的蚁群算法具有正反馈性，灵活性和协调性等特点，可以较好的解决图像目标的识别问题。因此本文研究基于改进蚁群算法的图像目标识别。为克服现有蚁群算法运算过程中收敛速度慢，易出现停滞现象等缺点，本文结合模拟退火思想，提出了基于模拟退火策略的逆向蚁群算法。利用向原始蚁群中引入逆向蚂蚁，并结合模拟退火思想确定蚁群中逆向蚂蚁的数目，来提高算法的适应性。将此算法用于求解典型的组合优化问题——TSP组合优化问题。实验证明，此算法可用来较好的解决组合优化问题，收敛速度和全局寻优能力都得到很大的改善。同时针对函数优化问题，又提出了一种蚁群算法和混沌优化算法相结合的混合优化算法，该算法利用蚁群算法中信息素正反馈的思想指导当前混沌搜索的区域。工作蚁群按照信息素的浓度高低，分别按照不同的概率搜索不同的搜索区域，从而可减少混沌盲目搜索的次数。仿真结果表明，该方法能够明显提高寻优效率，同时对算法的通用性有所提高。最后重点讨论了混合蚁群优化算法在图像目标识别中的应用。将采集到的图像经过预处理操作，提取特征点，然后将特征点匹配问题转化为优化问题，利用本文提出的改进蚁群算法求解该特征点匹配问题，从而完成目标识别的任务。实验证明该方法具有较高的识别效率，可应用于实际的自动识别装置中。