西华大学学报（自然科学版）
西華大學學報（自然科學版）
서화대학학보（자연과학판）
Journal of Xihua University(Natural Science Edition)
2015年
5期
7-15,33
,共10页
膜计算%P系统%多模态图像配准%变换参数
膜計算%P繫統%多模態圖像配準%變換參數
막계산%P계통%다모태도상배준%변환삼수
membrane computing%P systems%multi-modal image registration%transform parameters
图像配准是图像融合的前提,具有重要的研究价值.传统的基于智能进化的优化算法在进行图像配准时,存在配准精度低,收敛速度慢的问题.利用膜计算的并行协同进化特性,提出一种在膜计算框架下的多模态图像配准算法,即GA-MCIR算法.设计一种细胞型P系统的膜结构,细胞膜中1个对象表示1组浮动图像变换参数,每个基本膜采用遗传算法进化对象获得最优变换参数,并将最优对象转运到上层膜中,同时所有基本膜之间随机进行最优对象转运操作.通过以上2种转运操作,上层膜保留本膜中本次进化的全局最优对象,并将其转运到各子膜中,参与各子膜的进化.最终,整个P系统的最优变换参数保留在表层膜中.将CT脑部图像和可见光与红外光图像等多模态图像进行配准实验,其结果表明,所提算法相比于基于GA和PSO的图像配准算法具有更高的配准精度、更好的全局收敛性.
圖像配準是圖像融閤的前提,具有重要的研究價值.傳統的基于智能進化的優化算法在進行圖像配準時,存在配準精度低,收斂速度慢的問題.利用膜計算的併行協同進化特性,提齣一種在膜計算框架下的多模態圖像配準算法,即GA-MCIR算法.設計一種細胞型P繫統的膜結構,細胞膜中1箇對象錶示1組浮動圖像變換參數,每箇基本膜採用遺傳算法進化對象穫得最優變換參數,併將最優對象轉運到上層膜中,同時所有基本膜之間隨機進行最優對象轉運操作.通過以上2種轉運操作,上層膜保留本膜中本次進化的全跼最優對象,併將其轉運到各子膜中,參與各子膜的進化.最終,整箇P繫統的最優變換參數保留在錶層膜中.將CT腦部圖像和可見光與紅外光圖像等多模態圖像進行配準實驗,其結果錶明,所提算法相比于基于GA和PSO的圖像配準算法具有更高的配準精度、更好的全跼收斂性.
도상배준시도상융합적전제,구유중요적연구개치.전통적기우지능진화적우화산법재진행도상배준시,존재배준정도저,수렴속도만적문제.이용막계산적병행협동진화특성,제출일충재막계산광가하적다모태도상배준산법,즉GA-MCIR산법.설계일충세포형P계통적막결구,세포막중1개대상표시1조부동도상변환삼수,매개기본막채용유전산법진화대상획득최우변환삼수,병장최우대상전운도상층막중,동시소유기본막지간수궤진행최우대상전운조작.통과이상2충전운조작,상층막보류본막중본차진화적전국최우대상,병장기전운도각자막중,삼여각자막적진화.최종,정개P계통적최우변환삼수보류재표층막중.장CT뇌부도상화가견광여홍외광도상등다모태도상진행배준실험,기결과표명,소제산법상비우기우GA화PSO적도상배준산법구유경고적배준정도、경호적전국수렴성.
