一种基于EDF-DE模型的三维图像配准方法及应用技术

本发明专利技术属于图像处理技术领域，公开了一种基于EDF

【技术实现步骤摘要】
一种基于EDF
‑
DE模型的三维图像配准方法及应用


[0001]本专利技术属于图像处理
，涉及一种基于EDF
‑
DE模型的三维图像配准方法及应用，尤其涉及一种基于精英差异反馈策略自适应差分进化算法的图像配准方法及应用。

技术介绍

[0002]目前，图像配准是寻求两幅待配准图像的空间一一映射关系，目的将同一物体的不同时期的图像进行对比分析，以及融合显示，并且图像配准是图像拼接的前提，很大程度上图像配准的优劣效果影响图像处理的实际效果。近年来，图像配准技术用于处理考古文物碎片的配准，以及人工智能诸多领域皆存在配准的身影，在计算机视觉邻域得到了广泛的应用。但是基于处理现实生活图像的需求下，二维图像配准已经不能满足需求，人们开始由二维向三维过渡，相对于二维图像，三维点云数据包含物体的信息更多，涉及物体的各个方面，因素更充分、表达更加全面，因此，点云配准已经在工业制造的逆向工程、文物复原、医学三维图像构建等领域得到了应用。
[0003]由于图像之间存在较大的差异性，传统的特征算法很难得到高精度的匹配结果，并且针对数据量大，图像复杂及存在噪声的三维点云数据配准成为一大难点，尤其针对本文所采用兵马俑碎片扫描数据存在诸多噪声，特征缺失等缺点，造成拼接难度大，匹配效率低，因此不仅拼接效果是所要求，也要保证在有效时间内结果响应的确定性。
[0004]通过上述分析，现有技术存在的问题及缺陷为：
[0005](1)基于处理现实生活图像的需求下，二维图像配准已经不能满足需求。<br/>[0006](2)传统的特征算法很难得到高精度的匹配结果。
[0007](3)针对数据量大，图像复杂及存在噪声的三维点云数据配准成为一大难点，尤其针对本文所采用兵马俑碎片扫描数据存在诸多噪声，特征缺失等缺点，造成拼接难度大，匹配效率低，因此不仅拼接效果是所要求，也要保证在有效时间内结果响应的确定性。
[0008]解决以上问题及缺陷的难度为：数据量大、存在噪声，配准精度与时间复杂度之间存在冲突，为解决此冲突，需改进算法精度，在定义较少的种群以及迭代次数下，完成配准要求。
[0009]解决以上问题及缺陷的意义为：将点云配准问题建模成优化问题，针对大数据量配准问题，采用精英差异差分进化算法成功完成配准，并应用于兵马俑碎片配准，验证了本方法在配准领域的有效性，本专利技术应用于现实世界复杂三维图像配准，并且对于后续兵马俑碎片完成多目标拼接具有指导意义。

技术实现思路

[0010]针对现有技术存在的问题，本专利技术提供了一种基于EDF
‑
DE模型的三维图像配准方法及应用，尤其涉及一种基于EDF
‑
DE模型的基于EDF
‑
DE模型的三维图像配准方法及应用。
[0011]本专利技术是这样实现的，一种基于EDF
‑
DE模型的三维图像配准方法，所述基于EDF
‑
DE模型的三维图像配准方法包括以下步骤：
[0012]步骤一，对数据进行预处理，将三维扫描点云数据进行格式转化，生成具有可描述位置关系的txt文件格式，本步骤去除了原始点云数据中冗余信息，减少数据量；
[0013]步骤二，根据配准要求进行建模，结合刚体变化，设定待求参数，本步骤将配准问题具体化为求解最优参数，复杂问题简单化；
[0014]步骤三，针对所求参数，根据所述模型EDF
‑
DE建立求解机制，将请准优化模型应用于参数求解；
[0015]步骤四，初始化种群个体，设定模型参数，初始化精英个体集合，本步骤可定义模型初始参数，控制模型时间复杂度以及配准精度；
[0016]步骤五，自适应更新步长因子F；
[0017]步骤六，计算全局精英差异与邻域精英差异，本步骤精英差异可更快速指导种群进化；
[0018]步骤七，采用JADE算法具有档案存储变异算子进行变异操作，本步骤引入JADE变异操作，可生成更优变异个体；
[0019]步骤八，根据本模型所求全局精英差异与邻域精英差异指导算法交叉，经选择操作，生成下一代个体，本步骤生成更优中间个体，为种群进化作出贡献；
[0020]步骤九，判断是否满足迭代结束条件，若不满足则返回步骤五，若满足则进入下一步；
[0021]步骤十，将搜索得到的最优解对原始图像进行旋转平移，最终得到配准后的结果图。
[0022]进一步，步骤二中，所述待求参数x1，x2，x3，x4，x5，x6，前三个参数代表模型数据变化所需在x,y,z三个方向位移参数，后三个代表旋转角度；
[0023]所述根据配准要求进行建模，包括：
[0024]因x1，x2，x3，x4，x5，x66个参数代表源点云图像配准至目标图像所需刚体变换的位移以及旋转角度，故只要求解此6个参数即可完成三维点云数据配准，此问题建模成最优解问题，根据所述EDF
‑
DE优化算法进行求解。
[0025]进一步，步骤四中，所述初始化种群个体，设定模型参数，初始化精英个体集合，包括：
[0026]针对待求的6个参数，初始化种群个体，个体维度为6维，设置模型参数步长因子下界F1，步长因子上界F0，邻域半径m，超参数v，超参数t，交叉概率CR，种群数量NP，最大迭代次数G
max
；全局精英差异与领域精英差异，精英差异结构为NP*Dim，针对每一个个体的每一个维度皆设置个体精英差异。
[0027]进一步，步骤五中，所述自适应更新步长因子F，包括：
[0028]F是DE算法的步长因子，用来控制两个基向量差的缩放程度，代表算法每次变化的一种步长；算法前期需要进行全局勘探，即在相应的维度范围内进行全局探索，因此需要较大步长才可以探索到较多区域；而在算法后期，因大部分个体都围绕到种群最优解附近，因此需要在局部精细搜索进而获得局部最优；此时，F的值应该较小，属于开发阶段，为此提出伴随迭代次数F自适应变化的方法，具体公式如下：
[0029][0030]其中，F为自适应变化的步长因子，F0为步长因子上界，F1为步长因子下界，F∈[F1,F0]，g为当前迭代次数，G
max
为算法最大迭代次数。
[0031]进一步，步骤六中，所述计算全局精英差异，包括：
[0032]初始化全局精英差异Eg＝{e1,e2,...,eNP}，NP代表种群数量。每个精英差异e
i
,e
i
＝{e
i1
,e
i2
,...,e
ij
}；其中j代表种群个体维度。Eg的生成方法如下，求解维度差，计算种群中个体x
i
与全局最优个体x_gbest之间的维度差记作Cg，计算方法如下：
[0033]Cg(i,j)＝x_gbest
i,j
‑
x
i,j
；
[0034]求得个体与最优值之间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于EDF
‑
DE模型的三维图像配准方法，其特征在于，所述基于EDF
‑
DE模型的三维图像配准方法包括以下步骤：步骤一，对数据进行预处理，将三维扫描点云数据进行格式转化，生成具有可描述位置关系的txt文件格式；步骤二，根据配准要求进行建模，结合刚体变化，设定待求参数；步骤三，针对所求参数，根据所述模型EDF
‑
DE建立求解机制；步骤四，初始化种群个体，设定模型参数，初始化精英个体集合；步骤五，自适应更新步长因子F；步骤六，计算全局精英差异与邻域精英差异；步骤七，采用JADE算法具有档案存储变异算子进行变异操作；步骤八，根据本模型所求全局精英差异与邻域精英差异指导算法交叉，经选择操作，生成下一代个体；步骤九，判断是否满足迭代结束条件，若不满足则返回步骤五，若满足则进入步骤十；步骤十，将搜索得到的最优解对原始图像进行旋转平移，最终得到配准后的结果图。2.如权利要求1所述的基于EDF
‑
DE模型的三维图像配准方法，其特征在于，步骤二中，所述待求参数x1，x2，x3，x4，x5，x6，前三个参数代表模型数据变化所需在x,y,z三个方向位移参数，后三个代表旋转角度；所述根据配准要求进行建模，包括：因x1，x2，x3，x4，x5，x66个参数代表源点云图像配准至目标图像所需刚体变换的位移以及旋转角度，故只要求解此6个参数即可完成三维点云数据配准，此问题建模成最优解问题，根据所述EDF
‑
DE优化算法进行求解。3.如权利要求1所述的基于EDF
‑
DE模型的三维图像配准方法，其特征在于，步骤四中，所述初始化种群个体，设定模型参数，初始化精英个体集合，包括：针对待求的6个参数，初始化种群个体，个体维度为6维，设置模型参数步长因子下界F1，步长因子上界F0，邻域半径m，超参数v，超参数t，交叉概率CR，种群数量NP，最大迭代次数G
max
；全局精英差异与领域精英差异，精英差异结构为NP*Dim，针对每一个个体的每一个维度皆设置个体精英差异。4.如权利要求1所述的基于EDF
‑
DE模型的三维图像配准方法，其特征在于，步骤五中，所述自适应更新步长因子F，包括：F是DE算法的步长因子，用来控制两个基向量差的缩放程度，代表算法每次变化的一种步长；在局部精细搜索进而获得局部最优；此时，F的值应该较小，属于开发阶段，采用伴随迭代次数F自适应变化的方法，具体公式如下：其中，F为自适应变化的步长因子，F0为步长因子上界，F1为步长因子下界，F∈[F1,F0]，g为当前迭代次数，G
max
为算法最大迭代次数。5.如权利要求1所述的基于EDF
‑
DE模型的三维图像配准方法，其特征在于，步骤六中，所述计算全局精英差异，包括：初始化全局精英差异Eg＝{e1,e2,...,eNP}，NP代表种群数量；每个精英差异e
i
,e
i
＝{e
i1
,e
i2
,...,e
ij
}；其中j代表种群个体维度；Eg的生成方法如下，求解维度差，计算种群中个体x
i
与全局最优个体x_gbest之间的维度差记作Cg，计算方法如下：
Cg(i,j)＝x_gbest
i,j
‑
x
i,j
；求得个体与最优值之间每个维度的差值后，根据Cg生成全局精英差异：待进化个体在某维度差异值为1时，代表全局最优解在此维度大于待进化个体，待进化个体在此维度将会向正方向进化；当差异值为
‑
1时，将会向负方向进化；差异值为0时，则代表待进化个体在此维度不需改变。6.如权利要求1所述的基于EDF
‑
DE模型的三维图像配准方法，其特征在于，步骤六中，所述计算邻域精英差异，包括：(1)构建加权欧氏距离，引入个体维度权重因子p对距离计算进行扰动，权重因子较大时，代表个体多样性较大，反之个体多样性较小；mean_d＝{mean_d1,mean_d2,...,mean_d
j
}代表每个维度所有个体的平均值，p
i
＝{p
i1

【专利技术属性】
技术研发人员：王毅，李静，彭钰博，周琳，段焱中，
申请(专利权)人：西北大学，
类型：发明
国别省市：