基于Hausdorff距离与混沌神经网络的图像匹配

摘要：

由于传统的图像匹配方法受光照、噪声和景物遮挡等的影响比较大,并且需要建立匹配图像对之间的对应关系,因而使实际图像的匹配变得困难.为了克服上述缺陷,以便快速地进行图像匹配,引入Hausdorff距离构造匹配图像的相似性测度,并基于混沌优化的Hopfield神经网络完成图像的匹配求解,设计实现了一种基于Hausdorff距离相似度量和混沌优化的Hopfield神经网络的图像匹配算法.实验表明,该算法较之常规图像匹配算法具有更快的匹配速度和更高的匹配概率.

关键词： 图像匹配 Hausdorff距离 混沌神经网络 模式识别

作者: 石争浩 黄士坦 柳虹

作者单位: 西安理工大学计算机科学与工程学院,西安,710048;西安微电子技术研究所,西安,710054 西安微电子技术研究所,西安,710054 浙江工商大学计算机与信息工程学院,杭州,310035

会议类型: 国内会议

会议名称: 2005年中国模糊逻辑与计算智能联合学术会议

会议地点: 深圳

会议语种:中文

页码: 569-574

在线出版日期: 2005-04-16（万方平台首次上网日期，不代表论文的发表时间）