徐梅

【摘 要】量子遺傳算法是將量子理論與遺傳算法相結(jié)合應(yīng)用的一種智能算法。其高并行性而杰出的全局性越來越引起人們的眷注，將其應(yīng)用到各類優(yōu)化問題中去。本文就是在圖像匹配過程中利用改進(jìn)的量子遺傳算法，實(shí)驗(yàn)證明量子遺傳算法是有效的，可以很好的縮短匹配時(shí)長(zhǎng)并提高匹配精度。

【關(guān)鍵詞】量子遺傳算法；圖像匹配；相似度檢測(cè)

中圖分類號(hào)： TP18；TP391.41 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）27-0086-003

DOI：10.19694/j.cnki.issn2095-2457.2018.27.038

當(dāng)前社會(huì)是一個(gè)數(shù)字化的信息社會(huì)，人們?cè)谌粘Ｉ?、工作、進(jìn)修、科研生產(chǎn)中，無處不在獲取數(shù)字圖像信息，并使用數(shù)字圖像得到所需的信息。這就需要對(duì)圖像處理與分析的技術(shù)進(jìn)一步的有所提高，而其中的關(guān)鍵所在就是圖像匹配，因此研究圖像匹配技術(shù)是非常有必要的。圖像匹配是指使用某種方法來確定兩個(gè)匹配圖像或相應(yīng)圖案的相對(duì)空間位置。通常，圖像匹配是一個(gè)計(jì)算過程，這意味著要匹配的較小的圖像可以正確地定位在較大的參考圖像上。近年來，量子遺傳算法（QGA）在圖像匹配中得到了廣泛的應(yīng)用。雖然取得了一些良好的效果，但仍存在一些問題需要解決。尤其是對(duì)于不同領(lǐng)域內(nèi)的不同類型的圖像匹配。

1 基本的圖像匹配技術(shù)

在現(xiàn)實(shí)應(yīng)用中各類圖像匹配一般有四項(xiàng)基本因素：特征空間，相似性測(cè)度，搜索空間和搜索算法。目前，主要有基于區(qū)域（Area-based）和基于特征（Feature-based）的圖像匹配算法。一般，我們可以從匹配概率、匹配速度、匹配精度和匹配適應(yīng)性幾個(gè)方面來評(píng)價(jià)匹配算法的性能。

2 量子遺傳算法

量子遺傳算法是將量子力學(xué)應(yīng)用于遺傳算法的過程。算法結(jié)構(gòu)描述如圖1所示。

2.1 種群初始化

首先對(duì)種群規(guī)模和變量個(gè)數(shù)進(jìn)行確定，同時(shí)對(duì)種群進(jìn)行編碼，其編碼長(zhǎng)度及方式與基本遺傳算法相同。當(dāng)采用[a，b]為變量區(qū)間，串長(zhǎng)CL如公式（1）所示.

2.2 觀測(cè)狀態(tài)和評(píng)估

通過觀測(cè)狀態(tài)Q（t）測(cè)量得到解P（t）并進(jìn)行解碼。對(duì)應(yīng)的公式（4）、（5）計(jì)算。

2.3 種群染色體進(jìn)化

第三步通過量子門U（t）來更新Q（t），進(jìn)行個(gè)體進(jìn)化，主要由二進(jìn)制解P（t）和保存的最優(yōu)解決定，U（t）公式如（6）所示：

2.4 遺傳操作

最后進(jìn)行遺傳操作，主要由量子選擇、量子交叉、量子變異組成。

3 圖像匹配的基本流程

圖像匹配的基本流程如圖2所示，一般先進(jìn)行預(yù)處理圖像，再對(duì)圖像進(jìn)行幾何變換。

3.1 預(yù)處理圖像

圖像預(yù)處理主要含有圖像校正和增強(qiáng)。在普通的圖像匹配中如果需要匹配的兩組圖像滿足要求，則不需要進(jìn)行此步操作，但是這一步可以提高圖像匹配的質(zhì)量，可以更加有效的降低圖像匹配所花費(fèi)的時(shí)間，并提高匹配質(zhì)量。

3.2 幾何變換圖像

幾何變換即指對(duì)待匹配對(duì)象進(jìn)行一定的平移、旋轉(zhuǎn)等操作?？梢圆捎秒p線性插值法，具體步驟如下：

3.3 相似性測(cè)度

3.4 最優(yōu)化

主要目的是減少搜索點(diǎn)，提高搜索精度和速度。

4 基于改進(jìn)的量子遺傳算法的圖像匹配

（1）首先，選擇參數(shù)空間和編碼方式，設(shè)置算法參數(shù)并進(jìn)行相似度測(cè)度定義。

其中，參數(shù)空間選擇X，Y方向的平移和旋轉(zhuǎn)角度。參數(shù)為：群體大小為30，染色體長(zhǎng)度為20，進(jìn)化步長(zhǎng)為0.02。模擬退火參數(shù)：初始溫度1000，新解數(shù)和最大循環(huán)次數(shù)設(shè)置為5，冷卻系數(shù)為0.7。分組的量子遺傳算法的參數(shù)設(shè)置是：種群分為組、每組中的個(gè)體數(shù)是10、染色體體長(zhǎng)度是20、最大遺傳代數(shù)是200、旋轉(zhuǎn)門步進(jìn)角是 0.01。

（2）初始化種群。

（3）計(jì)算個(gè)體的相似性測(cè)度值。通過觀測(cè)量子染色體計(jì)算得到像素點(diǎn)的位置，再通過插值計(jì)算進(jìn)行個(gè)體適應(yīng)度值的計(jì)算。

（4）更新個(gè)體，并保留最優(yōu)值。

（5）判斷終止條件，不滿足，則返回到步驟（3），否則就結(jié)束。

（6）輸出結(jié)果。

5 仿真實(shí)驗(yàn)

基準(zhǔn)圖像選用采用大?。?90×490）Lena圖像，待匹配圖像的平移量是（30，60），采用改進(jìn)的量子遺傳算法和普通量子遺傳算法的仿真結(jié)果如表1所示。

從兩種算法的進(jìn)化曲線可以看出，在匹配過程中改進(jìn)的量子遺傳算法除了每一代的計(jì)算時(shí)間比較長(zhǎng)以外，不僅在成功率，還有計(jì)算精度，都要比普通量子遺傳算法要好。

此外，為了進(jìn)一步說明基于改進(jìn)的量子遺傳算法在搜索能力、匹配速度和成功率方面的優(yōu)越性，本文增加了椒鹽噪聲和高斯噪聲進(jìn)行仿真比較。

5.1 椒鹽噪聲

基準(zhǔn)圖像的大小是（490*490），平移量的大小是（30，60）。仿真如表2所示。

5.2 高斯噪聲

基準(zhǔn)圖像的大小是（490*490），加入高斯噪聲待匹配圖像其平移量的大小是（30，60），仿真如表3所示。

結(jié)合仿真結(jié)果可以得出，從成功率等多個(gè)算法指標(biāo)上來衡量比較，改進(jìn)后的算法圖像匹配的抗干擾性、搜索能力方面都相比較有一定的優(yōu)越性。

6 總結(jié)

經(jīng)過長(zhǎng)期的發(fā)展，圖像匹配技術(shù)無論哎生產(chǎn)和生活總的作用和貢獻(xiàn)越來越大，對(duì)圖像匹配技術(shù)要求也越來越高。本文通過對(duì)改進(jìn)的量子遺傳算法應(yīng)用到圖像匹配中來，很好的縮短匹配時(shí)長(zhǎng)并提高匹配精度，可以更好的應(yīng)用與圖像匹配工作中去。

【參考文獻(xiàn)】

[1]錢潔.量子進(jìn)化算法研究現(xiàn)狀綜述[J].控制與決策，2011，26（3）：0321-0326.

[2]王興林，李茂軍.基于改進(jìn)量子遺傳算法的Flow-Shop 調(diào)度求解[J].計(jì)算技術(shù)與自動(dòng)化，2010，29（3）：82-85.

[3]王勝兵，張鵬飛.一種利用精英保留改進(jìn)的量子遺傳算法[J].海軍工程大學(xué)學(xué)報(bào)，2010，22（1）：5-7，38.

[4]王娜.求解TSP的改進(jìn)遺傳算法[D].西安：西安電子科技大學(xué)，2010.

[5]章毓晉.圖象分割[M].北京：科學(xué)出版社，2001.