《基於人工禁忌免疫原理的多源遙感圖像自動配準研究》是依託南昌大學，由葉發茂擔任項目負責人的地區科學基金項目。
基本介紹
- 中文名：基於人工禁忌免疫原理的多源遙感圖像自動配準研究
- 項目類別：地區科學基金項目
- 項目負責人：葉發茂
- 依託單位：南昌大學
項目摘要,結題摘要,
項目摘要
多源遙感圖像配準由於待配準圖像之間差異很大，所以相似測度難以尋找，搜尋空間大而複雜，一般的搜尋算法難以解決，然而圖像配準是多源遙感信息融合的基礎和必要條件，是遙感科學與技術中急需解決的前沿問題。本項目將免疫記憶機制和禁忌搜尋思想與人工免疫原理相結合研究出禁忌人工免疫模型，並在此基礎上針對遙感圖像配準複雜的搜尋問題，建立禁忌人工免疫原理搜尋模型。該模型引入免疫記憶機制和禁忌搜尋算法中的禁忌準則，避免一般人工免疫模型的迂迴搜尋問題，提高收斂速度；通過特赦準則保證細胞的多樣性，避免過早收斂，提高全局搜尋能力；並利用遙感圖像已有信息和邊緣提取的信息，建立禁忌人工免疫搜尋模型初始化規則，減少算法隨機性，提高初始化的有效性，增強配準的速度和魯棒性。同時利用基於特徵信息和局部灰度信息構造混合相似性測度進一步提高配準精度。通過本項目研究能夠為實現多源遙感圖像高精度配準提供更好的思路和方法。
結題摘要
多源遙感圖像配準由於成像機制、成像時間不同，待配準圖像之間差異很大，導致匹配特徵和搜尋算法難以尋找，然而遙感圖像配準是圖像融合、變化檢測、圖像鑲嵌等套用中不可缺少的步驟。而對於越來越龐大的遙感數據，遙感圖像自動配準成為了當前該領域的研究熱點，而多源遙感圖像自動配準是該領域的難點。 本項目圍繞著尋找可靠的匹配特徵和高效可靠的搜尋算法這多源遙感圖像配準中的兩個關鍵問題展開，主要研究內容：（1）將多尺度原理、禁忌搜尋思想與人工免疫最佳化算法相集成，建立多尺度禁忌人工免疫模型（Multi-TSaiNet），該模型具有較好的全局搜尋能力和較快的收斂速度;（2）研究出SIFT特徵和Gabor紋理特徵相結合的基於特徵信息和局部灰度信息構造的混合相似測度，為多源遙感圖像配準提供新的相似測度；（3）研究出基於多尺度粒子濾波原理邊緣檢測算法和基於免疫原理的邊緣檢測算法，這些方法能夠較好的提取邊緣特徵；（4）研究出基於多尺度禁忌人工免疫模型的多源遙感圖像配準思路和方法，該方法能夠較好的解決多源遙感圖像問題。本項目組已經研發了基於Multi-TSaiNet模型的多源遙感圖像配準算法，在多源遙感圖像配準實驗中取得較好的結果。該研究為實現多源遙感圖像高精度配準提供更好的思路和方法。同時該研究完善了人工免疫最佳化算法的理論和算法，開拓了Multi-TSaiNet模型在遙感圖像處理中套用領域的研究方向，對Multi-TSaiNet在更廣闊的領域中進行套用具有一定的借鑑和啟示意義。
