The invention discloses a multi-objective detection method based on particle multigroup optimization, which includes the following steps: setting particle swarm optimization, initialization of particle multigroup and iterative updating of particle multigroup cycle, all solutions of multi target matching are obtained. In this invention, a multi particle swarm optimization scheme is designed. Each particle swarm surrounds a single local extreme point in the solution space. The local extreme point corresponds to a single target. In order to prevent the aggregation and premature convergence of the particle swarm, the multiple particle swarm optimization algorithm and the premature convergence strategy are introduced in the invention. A little. This method can detect and locate multi-target images effectively and quickly in a solution cycle, and can reach 99% detection probability and low false alarm rate.
【技术实现步骤摘要】
基于粒子多群优化的多目标检测方法
本专利技术涉及工业检测图像处理、遥感图像处理、模式识别技术、智能优化及其应用领域,特别是涉及一种基于粒子多群优化的多目标检测方法。
技术介绍
对于海量遥感图像与工业图像,多目标同时检测与定位是遥感图像处理与解译及模式识别的关键技术。是有效利用海量遥感图像的重要应用。这里的多目标是指多个仿射变换下的类似目标(如:工业图像中的多目标、机场中的排列的飞机目标、港口中的排列的油罐、装甲集群等等)。这里的仿射变换条件包括4参数(平移、旋转、尺度、)描述的刚体变换模型(RIGIDTRANSFORM)。传统的图像检测算法分为两类:一类是没有先验知识的目标检测算法,另一类基于模型(模板)先验知识的目标检测算法。但目前算法一般只能检测单一目标,且效率及性能无法满足高维(3维及3维以上)复杂情况,并且满足低计算量的情况下同时检测多目标。在基于模板的目标检测中,有全搜索算法,如基于模板的图像遍历搜索,虽然可以解决多目标的图像检测,但是对于三维或者三维以上(例如刚体变换的四参数平移、角度、尺度;仿射变换的六参数等)的目标检测与定位任务而言进行遍历匹配是不切实际的,因为庞大的计算量,导致了该方法的低性能与适应性差。也有加速算法。在目前的加速目标检测技术(如:传统的FFT快速算法)中,主要目的是解决单一目标的检测,技术上无法适用于多目标的检测与定位。进化优化计算,如:遗传算法,蚁群算法、粒子群(ParticleSwarmOptimization,PSO)算法等是一类新的算法。这类算法建立在随机搜索与多个体协作的基础上。在基于进化算法中,粒子群算法是近 ...
【技术保护点】
1.一种基于粒子多群优化的多目标检测方法,其特征在于,包括以下步骤,a、设置粒子群参数,具体包括:根据目标检测任务情况设定粒子群维数、粒子群规模、最大粒子群数量、粒子群更新速度向量以及最大迭代次数;根据待检测目标的大小设定粒子群排斥以及收敛半径;b、粒子多群初始化:根据最大粒子群数量及粒子群规模,将各个粒子群粒子随机分布于目标检测的搜索空间内,根据最大速度标量设置各个粒子的初始速度向量;c、粒子多群循环迭代更新,得到多目标匹配的所有解,具体包括以下步骤:c1根据每个粒子群最优粒子位置,以及每个群中单个粒子的最优遍历位置权重更新每个粒子的速度向量;c2粒子群排斥判决:当两个或两个以上的种群内的最优粒子间距离小于粒子群排斥半径时,筛选最差的种群,进行解散并返回步骤b重新初始化;c3粒子群收敛判定:根据收敛半径,对每一个粒子群中任意两个粒子间距离均小于收敛半径时,则对该粒子群返回步骤b重新初始化;c4终止条件:当达到最大迭代次数时,终止迭代更新粒子群,并输出各个粒子群的最优粒子,对各个最优粒子进行筛选,得到多目标匹配的所有解。
【技术特征摘要】
1.一种基于粒子多群优化的多目标检测方法,其特征在于,包括以下步骤,a、设置粒子群参数,具体包括:根据目标检测任务情况设定粒子群维数、粒子群规模、最大粒子群数量、粒子群更新速度向量以及最大迭代次数;根据待检测目标的大小设定粒子群排斥以及收敛半径;b、粒子多群初始化:根据最大粒子群数量及粒子群规模,将各个粒子群粒子随机分布于目标检测的搜索空间内,根据最大速度标量设置各个粒子的初始速度向量;c、粒子多群循环迭代更新,得到多目标匹配的所有解,具体包括以下步骤:c1根据每个粒子群最优粒子位置,以及每个群中单个粒子的最优遍历位置权重更新每个粒子的速度向量;c2粒子群排斥判决:当两个或两个以上的种群内的最优粒子间距离小于粒子群排斥半径时,筛选最差的种群,进行解散并返回步骤b重新初始化;c3粒子群收敛判定:根据收敛半径,对每一个粒子群中任意两个粒子间距离均小于收敛半径时,则对该粒子群返回步骤b重新初始化;c4终止条件:当达到最大迭代次数时,终止迭代更新粒子群,并输出各个粒子群的最优粒子,对各个最优粒子进行筛选,得到多目标匹配的所有解。2.根据权利要求1所述基于粒子多群优化的多目标检测方法,其特征在于,构造步骤a中待检测目标正则化的梯度特征空间,具体包括以下步骤:d、构造方向梯度图其中:分别表示x与y向的梯度图,是一个复数,可以计算其幅度值及其梯度方向,其计算公式如下:e、构造正则化梯度特征空间其中:W表示以(x,y)为中心的窗口,通常取55或者7X7,K是一个常...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。