【 ｓ ａ ｔ Ａｍｉ ａ ｈ ｐｏｌｍ ｏ ｔａ Ａｂｔ ｃ】 ｉ ｎ ｔ ｅ ｒｂｅ ｓ ｆ ｈｔ ｔｈｎ ｐｉｔ ｏ ｉ －ｅｏ ｔ ｎ ｍ ｇ ｉ ｉ ｃｌ ｏ ｅｅ ｎ ａｄ ｈ ｒ ｇ ｔ ｍａ ｉｇ ｏｎｓ ｒ ｈｇ ｒｓｌ ｉ ｉ ａｅ ｓ ｆ ｕｔ ｄｔ ｍｉｅ ｎ ｔｅ ｃ ｆ ｈ ｕｏ ｄｉ ｔ ｒ
像及 复杂场合 的匹配精度要求 ， 而限制了 ＳＨ＂ 子应 从 Ｉ 算
用 】 。在模板 匹配方法 中 ， 图像 匹配 测度 Ｈ ｕｄ ｒ（ Ｄ ａｓｏｆ Ｈ ）
策 略的并 行遗传算 法 （ ｕｔ ｓ ａ ｇ ａａ ｅ Ｇ ｎｔ １ Ｍ ｌ—ｔ ｔ ｙＰ ｒ ｌ ｅｅｃＡ ． ｉ ｒｅ ｌｌ ｉ
ｇｒｈ Ｍ Ｐ Ａ）在并行遗传算法上采 用不 同的算法策 ｏｉ ｍ， Ｓ Ｇ ， ｔ
距离 ， 能有 效进行图像搜索 ， 因具 有计算 快捷 、 不需点对 点精确匹配和对局部非相似变形不敏感等优点而得到广
泛应 用 ， 但经 典 ＨＤ 离采用 的最大最 小距离对 出格噪 距
略， 以增加群 体 的多样性及 算法 的稳健性 ， 对概 率加权
ｌ ｏｉ ｍ ｔｋ ｓ ｈ ａ ｉ ｔ ｏ ａａｌｌ ｒｃ ｓｉｇ ｏ ｈ －ｔａｅ ｐ ｒ ｌｌ ｅ ｅｉ ｇ ｒｈ ａｇ ｒ ｈ ｔ ａ ｅ ｔｅ ｂｌｙ ｆ ｐ ｒ ｅ ｐｏ ｅｓｎ ｆ ｍｕ ｉｓｒｔｇ ｉ ｌ ｙ ａａ ｅ ｇ ｎ ｔ ａ ｏ ｔｍ ｔ ｏ ｔ ｚ Ｈａ ｓ ｏｆ ｉｔｎ ｅ ｆｒ ｌ ｃｌ ｉ ｏ ｐｉ ｅ ｎ ｄ ｒ ｄｓａ ｃ ｍｉ ｏ ｉ ｒｖｎ ｈ ｍａｃ ｉｇ ｓ ｅ ｄ ｈ ｘ ｅｉ ｎａ ｒｓ ｌ ｈ ｗ ｔａ ｈ பைடு நூலகம் ｒｐ ｓｄ ａｇ ｒｈ ｈ ｓ ｏ ｕ ｔｅｓ ｆｒｎ ｉｅ ｏｔｔ ｎ ａ ｇｅ ｍｐ ｏ ｉｇ ｔｅ ｔｈｎ ｐ ｅ ．Ｔ ｅ ｅ ｐ ｒ ｍｅ ｔｌ ｅｕｔ ｓ ｏ ｈ ｔｔｅ ｐ ｏｅ ｏｉ ｍ ａ ｒｂ ｓ ｓ ｏ ｏｓ ，ｒ ａｉ ｎ ｌ ｓ ｏ ｌ ｔ ｎ ｏ ａ ｄ ｂｏ ｋ ｎ ｍｐ ｏ ｅ ｔｅ ｍａｃ ｉｇ ｓ ｅ ｄ ａ ｄ ｔｅ ｃ ｍｐ ｔ ｇ ｓ ｅ ｄ ｅ ｅｔ ｅｙ ｎ ｌｃ ，ａ ｄ ｉ ｒｖ ｈ ｔｈｎ ｐ ｅ ｎ ｈ ｏ ｕｉ ｐ ｅ ｆ ｃｉ ｌ． ｎ ｖ
。
式 中：Ｉ．Ｊ 点集 Ａ和点集 间 的距离 范式 。式 （ ） Ｊ Ｉ 是 １称
为双 向 Ｈ Ｄ距 离 的最基 本形 式 ，（ 和 ｈ Ｂ， 分别 ｈＡ， （ Ａ）
距 离 ， 两 者 中 的 较 大 者 为 两 集 合 的 双 向 ＨＤ距 离 取
Ｈ（ Ｂ）度量 了两个点集 间的最 大不 匹配程度 。 Ａ， ，
Ｈ Ｄ距离 对 变形不 敏感 ， 噪声 和 图像 遮挡退 化 等 对
比较敏感 ， 献［］ 文 ８采用 加权 平均 的方式 实 现 ， 取得 了较
。
轮盘赌选择 、 一点交叉 、 大变异
， 最佳个体保 留 、 一点交叉 、 大变异
好效 果 ， 但算 法的权值 由图像 的边沿 特征 值 化分布情 二 况来决定 。本 文提 出 Ｐ Ｄ， ＷＨ 是针对两 张图片的 ｈ Ａ， （ Ｂ） 距离 出现 的概率来进行加权处理 。具体公式为
（ ｏｅｅｏ ｏ ｐ ｔ ｎ ｌ ｔ ｎ ｎｏｍ ｔ ｎ ｕｎ ｄｎ ｎ ｅｓｙｏ ｅ ｏｈｍｉ ｌＴｃｎｌ ｙ ｕ ｎｄ ｎ ｏ ｉｇ ５ ５０ ，Ｃ ｉ Ｃ ｌｇ ｆ Ｃｍ ｕ ｒａｄ Ｅｅ ｒ ｉ Ｉ ｒ ａｉ ，Ｇ ａ ｇｏｇ Ｕ ｉ ｒｔ ｆ Ｐｔ ｃｅ ｃ ｅｈｏｏ ，Ｇ ａｇ ｏｇ Ｍａ ｍｎ ２ ００ ｈｎ ｌ ｅ ｃ ｃ ｆ ｏ ｏ ｖ ｉ ｒ ａ ｇ ａ）
领域 有广阔的应用前景 。随着 图像 清晰度 的提高 ， 图像 的微小细节变得清 晰， 图像 匹配的要求进一步提高 ， 对 目 前主要采用 特征点 匹配和模块 匹配等方法 。在特征点 匹 配方面 ，ｏ ｅ 出的尺度不变特征变换 （Ｉ’） Ｌｗ 提 ＳＦ 方法匹配 Ｔ
该方法仍存在 匹配计算量大等 问题 ， 许多学者提 出采用
构框 图如图 １ 所示 。
式 中： 加权 函数 叫（ ） ０ 是此 距 离 的权 值 ， 由该距 离 出现 的 概率决定 ， 概率越大 ， 最后为该值 的可能性 越大 ， 公式 为
２ ￡ Ｊ ：
ｎ ａ
：
／ １ ，
（） ３ × ） （） ｃ ４
ｉｉ（￣ ｎ ｈ ｆ
酬
ｐｏ ｏ ｅ ． Ｔ ｅ ｒｂ ｂｌｙ ｒｐ ｓ ｄ ｈ ｐ ｏ ａ ｉ ｔ ｗｅｇ ｔ ｄ ｉ ｉ ｈ ｅ Ｈａ ｓ ｏ ｉｔ ｎ ｅ ｓ ｓ ｄ ｏ ｅ ｕ ｅ ｏ ｓ ， ｏ ｔ ｅ ｓ ｍｐ ｃ ｆｒ ｕ ｄ ｆ ｄ ｓａ ｃ ｉ ｕ ｅ ｔ ｒ ｄ ｃ ｎ ｉｅ ｕ ｌ ｒ ｉ ａ ｔ ｏ ｍａ ｃ ｉ ｇ ａ ｄ ｈ ｒ ｐ ｓ ｄ ｉ ｔ ｈｎ ， ｎ ｔ ｅ ｐ ｏ ｏ ｅ
Ｒｅ ｅ ｒ ｈ ｎ ｍ ａ ｅ Ｍ ａ ｃ ｎ ｏ ｍ ｐｒ ｖ ｄ ｓ ａ ｃ ｏ Ｉ ｇ ｔ ｈｉ ｇ ｆ Ｉ ｏ ｅ ＨＤ ｓａ ｅ Ｄｉｔ ｎｃ Ｇｅ ｔｃ ｎｅ ｉ Ａｌ ｏ ｉｈｍ ｇ ｒｔ
Ｈ Ｕ ｉｓ ｅ ｇ Ｊｎ ｈ ｎ ，ＰＥＮＧ ｈｐｎｇ ＨＯＵ Ｊｎ Ｚ ｉｉ ，Ｚ ｉｇ
４ ６
２ １第 ５第 ５ （第６ ） ０ 年 ３ ｌ 总 ３期 １ 卷 期 ５
Ｄ ｇｔ ｄｏ ｉｉ ｌ ｅ ｌ ａ
数字 钡频 ｌ
集合 ＝ ａ， … ， ｝ ｛。 ：…， ， ｛。 ， ， ｂ， ， ｂ｝则这两个点集合 ａ ｂ
之间的 Ｈ 距 离Ｉ定义为 Ｄ ｌ １ ］
日∽ ， ＝ ａ（（ Ｂ） （ Ａ ） Ｂ） ｍ ｘｈＡ， ， Ｂ， ） ｈ ＝
ｃ ｍｐ ｔｔ ｎ ｓ ａ ｇ ， ａ ａｇ ｒｔ ｍ ｃ ｍｂ ｎ ｄ ｏ ｕａ ｉ ｉ ｌｒ ｅ ｎ ｌｏ ｉ ｏ ｈ ｏ ｉｅ ｗｉ ｗｅｇ ｔ ｄ ｔ ｈ ｉ ｈ ｅ Ｈａ ｓ ｏｆ ｉｔ ｃ ａ ｄ ｕ ｄ ｒ ｄ ｓａ ｅ ｎ ｍｕ ｔ ｓ ａｅ ｙ ｐ ｒ ｌ ｌ ｅ ｅ ｉ ｌｇ ｒ ｈ ｎ ｌ － ｔ ｔ ｇ ａ ａ ｅ ｇ ｎ ｔ ａ ｏ ｔ ｍ ｉ ｉ ｒ ｌ ｃ ｉ ｓ
ｍａ （ ａ ｍ ｌ一 Ｉｍａ ｌ － ｌ ｘｍ ｘ ｌ ６ Ｉ ｍ ｌ ａ） ｉａ Ｉ ｉｂ １ ｎ ｘ ｎ
。
高遗传算法 在图像 匹配中不用根 据每一 幅图片进行修改
算法参数 ， 文提 出了一种稳健性 强 、 本 收敛性速度快 的多 策略并行遗 传算法 （ Ｓ Ｇ ） ＭＰ Ａ。 Ｍ Ｐ Ａ采用 并行 算法 的结 构 ， ＳＧ 采用 ８ 个并 行分 支 ， 并 构建 ８ 不同的选择 、 个 交叉 、 异的遗传操作 为并行策 变
Ｐ Ｏ算法 遗传算法等智能算法对其进行优化 ， Ｓ 吸 以加快
图像匹配 的速度 。冷雪飞等人嘲 采用遗 传算法的导航实 时图像匹配算法 ， 提高算法 的抗干扰能力等性能 ， 能够 文 献 ［— Ｏ应 用 改进 的遗 传算 法 提 高图像 匹 配 的收敛 速 ９ １］ 度 ， 各种不同 的图像 匹配场 合 ， 适用 取得 了较好 的效果 ，
【 ｙ ｗｏｄ ］ｉ ｇ ａｃｉｇ ａｓｏｆ ｄｓ ｎ ｅ ｍｕｔ ｓａｅｙ ｐｒｌ ｌｇｎｔ ｇｒｈ Ｋｅ ｒ ｓ ｍａｅｍ ｔｈ ；Ｈ ｕｄｒ ｉａ ｃ； ｌ－ｔ ｔｇ ａａ ｅ ｅｅｉ ａ ｏ ｔ ｎ ｔ ｉ ｒ ｌ ｃ ｌ ｉ ｍ
０ 引 言
图像 匹配是图像理解 和计算机视觉中的关键技术之
Ｈ Ｄ距离 进行寻优 ， 现 图像 匹配 。实验结 果表 明该 算 实
声和遮挡非常敏感 ， 导致距离计算的严重错误 将 。许多 研究者对其理论形式进行 了改进 ， 文献【— ］ ５ ６提出 了部分 Ｈ Ｄ距 离 、 加权 ＨＤ 离 以及稳健统计 量 Ｌ Ｓ ＨＤ等方法 距 Ｔ—
处 理 含 有 严 重 遮 挡 或 退 化 问 题 的 图像 ， 提 高 匹 配 的 抗 能
但算法使用时 ， 必须对不 同的图像设 置特殊 的参数 ， 参数
选择对结果影 响大 ， 算法稳健性较差 。本文提 出一种多
精度高－对 角度 、 － ， 尺度变化 以及亮度变化 都有较强 的稳
健性 ， 但该方 法需对 图像进行 高斯 函数 的多尺度变换
及获取 图像 的极值点等 复杂运算 ， 无法满足 高分辨力 图
Ｊ一 ＿ ｌ ｏ Ｊ ｍ ａ ０ ，Ｄ ｘ 凡 ｍ ｉ 凡 ａ ， Ｄ
式 中： 点集 中特征 点的总数 ， （ ， 是 点集 Ａ中 ｎ是 ｈ ａ ）
的特征点 ａ 点集 的距 离 ，ｉ ６ 是 点集 中的特征 到 ｈ（ ） ，
ｌ ｇ ｔｌ ｉ ｅ ｉ ｄｏ Ｄｉ ａ ｖ
ｌ 数字 颜频
文章编号 ：０ ２ ８９ （ｏ １— ０ ６ ０ １０ — ６ ２ ２ ｌ ）５ ０４ — ４ １
改进 ＨＤ距离和遗传算法的图像 匹配研究
刘晋 胜 ， 彭志平 ， 周 靖
（ 广东石油化 工学院 计算机与 电子信息学院， 广东 茂名 ５ ５ ０ ） ２ ０ ０
略， 采用是遗传算法 中较 常见及经 典的操作方法 ， 进行 图
表 １ 算法策略配置
策略
．
对应 如表 １ 所示 。 称 为从 集合 到 集 合和从 集合 到 集 合 的单 向 Ｈ 像 匹配 ， Ｄ
。 内容 策 略 内容 。 一 轮盘赌选择 、 一点交叉及 ． 最佳个体保 留 、 一点交叉及 普 通 变异 普 通 变异
法有效 ， 能满足高分辨力图像 匹配要求。
１ 改进 ＨＤ距 离
Ｈ Ｄ距 离是 描述 两 组点 集 之 间相 似 程度 的一种 量
度， 它是两个 点集之 间距离 的一种定义形 式 ： 假设有两组
干扰能力 ， 增强其在图像匹配中的应用 ， 本文采用概率加
基金项 目： 广东省 自然科学基金项 目（ １２ ０ ０ ２０ ０ ３ ８ ５ ５０ ０ ０ ０ ０ ）