本發(fā)明涉及圖像處理領(lǐng)域，特別涉及一種圖像配準(zhǔn)方法。
背景技術(shù)：
：互信息度量了兩幅圖像之間的相互獨(dú)立程度。作為一種基于最大互信息素的圖像配準(zhǔn)方法，其基本原理為：兩幅含有相同或相似性內(nèi)容的圖像經(jīng)過(guò)空間變換(旋轉(zhuǎn)，平移，縮放等)在空間對(duì)齊時(shí)，他們之間的互信息最大。常用的特征包括：以互信息作為相似性側(cè)度，既能加快配準(zhǔn)速度，又能提高配準(zhǔn)精度。圖像配準(zhǔn)是圖像處理過(guò)程中的重要步驟之一。它是一個(gè)將在不同時(shí)間，不同角度，不同拍攝條件，或不同傳感器條件下獲取的兩幅圖像進(jìn)行匹配的過(guò)程。圖像配準(zhǔn)的關(guān)鍵是尋找浮動(dòng)圖像與參考圖像之間的函數(shù)映射，即最優(yōu)的旋轉(zhuǎn)，平移，縮放等仿射變換，使參考圖像和浮動(dòng)圖像之間的互信息素最大，此時(shí)達(dá)到最優(yōu)的配準(zhǔn)效果?，F(xiàn)有的圖像配準(zhǔn)方法主要有一下兩個(gè)類別：基于灰度信息法和基于特征法?；诨叶刃畔⒌膱D像配準(zhǔn)方法一般不需要對(duì)圖像進(jìn)行預(yù)處理，而是利用圖像本身具有灰度的一些統(tǒng)計(jì)信息來(lái)度量?jī)煞鶊D像之間的相似程度?；谔卣鞯膱D像配準(zhǔn)方法需要對(duì)待配準(zhǔn)圖像進(jìn)行預(yù)處理，即圖像分割和特征提取，再利用提取到的特征完成兩幅圖像特征之間的匹配。然而圖像分割和特征提取的過(guò)程難以實(shí)現(xiàn)自動(dòng)化，受人為因素影響較大。因而本專利采用基于灰度信息的最大互信息素圖像配準(zhǔn)方法。在很多情況下物體的變化可以認(rèn)為是剛性運(yùn)動(dòng)過(guò)程，即物體內(nèi)部各位置點(diǎn)的相對(duì)位置未發(fā)生變化的過(guò)程。本專利所針對(duì)的配準(zhǔn)也限于剛性運(yùn)動(dòng)的配準(zhǔn)，即剛性配準(zhǔn)。技術(shù)實(shí)現(xiàn)要素：本發(fā)明目的在于，本發(fā)明所要解決的技術(shù)問(wèn)題是：提供一種改進(jìn)的基于替代策略的差分進(jìn)化算法的最大互信息素圖像配準(zhǔn)方法。本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：本發(fā)明提供一種改進(jìn)的基于替代策略的差分進(jìn)化算法的最大互信息素圖像配準(zhǔn)方法，包括以下步驟：建立基于灰度的互信息配準(zhǔn)適應(yīng)值函數(shù)；建立并初始化一個(gè)種群，種群中每個(gè)個(gè)體的四個(gè)維度分別代表浮動(dòng)圖像的水平平移，垂直平移，旋轉(zhuǎn)角度和縮放系數(shù)；根據(jù)互信息配準(zhǔn)的適應(yīng)值函數(shù)，計(jì)算每個(gè)個(gè)體的適應(yīng)度值，并計(jì)算種群整體的最優(yōu)位置；利用差分進(jìn)化算法的迭代機(jī)制更新所述每個(gè)個(gè)體的位置向量，更新種群整體的最優(yōu)位置；判斷是否滿足執(zhí)行替代策略的條件，若滿足，則執(zhí)行相應(yīng)的替代策略；重復(fù)執(zhí)行上述步驟直至滿足差分進(jìn)化算法的最大迭代次數(shù)Tmax。具體地說(shuō)，本發(fā)明是采用以下的技術(shù)方案來(lái)實(shí)現(xiàn)的：一種新型的圖像配準(zhǔn)方法，其特征在于，包括如下步驟：S1：建立基于灰度的互信息配準(zhǔn)適應(yīng)度函數(shù)；S2：基于空間變換，建立并初始化第一代種群，置當(dāng)前迭代次數(shù)t＝1；S3：根據(jù)互信息配準(zhǔn)的適應(yīng)度函數(shù)，計(jì)算種群中每個(gè)個(gè)體的適應(yīng)度值，并計(jì)算種群的全局最優(yōu)位置和種群的全局最優(yōu)適應(yīng)度值；S4：根據(jù)標(biāo)準(zhǔn)差分進(jìn)化算法的位置更新策略，對(duì)種群中每個(gè)個(gè)體進(jìn)行變異、交叉和選擇操作，更新每個(gè)個(gè)體的位置；S5：判斷是否達(dá)到執(zhí)行替代策略的條件，若達(dá)到，則執(zhí)行相應(yīng)的替代策略，否則執(zhí)行S6；S6：當(dāng)前迭代次數(shù)t＝t+1，判斷是否達(dá)到差分進(jìn)化算法的最大迭代次數(shù)Tmax， 若達(dá)到，算法終止，否則返回執(zhí)行S3。上述技術(shù)方案的進(jìn)一步特征在于，設(shè)參考圖像為A，浮動(dòng)圖像經(jīng)過(guò)平移、旋轉(zhuǎn)、縮放變換后的圖像為B，A和B之間的互信息可以表示為：MI(A,B)＝H(A)+H(B)-H(A,B)式中，H(A)和H(B)分別為圖像A和圖像B的平均信息量，H(A,B)為兩幅圖像的相關(guān)平均信息量，具體的計(jì)算公式如下：H(A)=-ΣaPA(a)logPA(a)]]>H(B)=-ΣbPB(b)logPB(b)]]>H(A,B)=-Σa,bPA,B(a,b)logPA,B(a,b)]]>式中，PA(a)和PB(b)分別是圖像A和圖像B的邊緣概率密度，PA,B(a,b)為兩幅圖像的聯(lián)合概率密度，計(jì)算時(shí)使用兩幅圖像的聯(lián)合直方圖h，具體的計(jì)算公式如下：PA,B(a,b)=h(a,b)Σa,bh(a,b)]]>PA(a)=ΣbPA,B(a,b)]]>PB(b)=ΣaPA,B(a,b).]]>上述技術(shù)方案的進(jìn)一步特征在于，所述種群中每個(gè)個(gè)體的四個(gè)維度分別代表水平平移、垂直平移、旋轉(zhuǎn)角度和縮放系數(shù)，在所述建立并初始化第一代種群之前，首先初始化用于圖像配準(zhǔn)部分的算法參數(shù)，并根據(jù)所要配準(zhǔn)圖像的大小確定相關(guān)空間變換參數(shù)的上下限，建立第一代粒子群。上述技術(shù)方案的進(jìn)一步特征在于，先把浮動(dòng)圖像按照種群中每個(gè)個(gè)體的位置每個(gè)維度所代表的參數(shù)進(jìn)行所述空間變換，變換過(guò)程如下：T=100010txty1]]>R=cos(θ)-sin(θ)0sin(θ)cos(θ)0001]]>S=s000s0001]]>M＝T*R*S[a1,b1,1]＝[a0,b0,1]·M式中，tx,ty分別表示水平方向和垂直方向的平移量，θ為旋轉(zhuǎn)角度，順時(shí)針旋轉(zhuǎn)為正，s為縮放系數(shù)，這四個(gè)參數(shù)構(gòu)成了種群中每個(gè)個(gè)體的四個(gè)維度，第i個(gè)個(gè)體可以表示為：Xi＝[x1,x2,x3,x4]＝[tx,ty,θ,s]，T,R,S分別為平移，旋轉(zhuǎn)和縮放矩陣，M為將三種變換結(jié)合在一起的空間變換矩陣，[a0,b0]進(jìn)行平移旋轉(zhuǎn)和縮放變換后得到[a1,b1]，即浮動(dòng)圖像按照矩陣M進(jìn)行空間變換得到圖像B，在所述步驟S3中與參考圖像A一起計(jì)算兩幅圖像之間的互信息。上述技術(shù)方案的進(jìn)一步特征在于，所述種群中每個(gè)個(gè)體的適應(yīng)度值為圖像A和圖像B之間的互信息素值，所述種群的全局最優(yōu)適應(yīng)度值為：f(Pg)＝max(f(X1),f(X2),...,f(XNP))式中，f(X)為所述圖像配準(zhǔn)的適應(yīng)度函數(shù)，即圖像A和圖像B之間的互信息素值，NP為種群大小，種群的全局最優(yōu)位置為最優(yōu)適應(yīng)度值所對(duì)應(yīng)的個(gè)體的當(dāng)前位置。上述技術(shù)方案的進(jìn)一步特征在于，所述差分進(jìn)化算法采用貪婪的機(jī)制，當(dāng)且僅當(dāng)個(gè)體改變后的位置比原來(lái)的位置好時(shí)，才進(jìn)行個(gè)體位置的更新，否則保留原來(lái)的位置不變。上述技術(shù)方案的進(jìn)一步特征在于，所述變異：Vi,d(t+1)＝Xa,d(t)+F×(Xb,d(t)-Xc,d(t))式中，a,b,c為三個(gè)在種群中隨機(jī)選擇的不同個(gè)體，與i也不相同，t為當(dāng)前迭代次數(shù)，F(xiàn)為比例因子；所述交叉：trial(t+1)=Vi,d(t+1)ifrand<CRord=drandXi,d(t)otherwise]]>式中，rand表示為一個(gè)在[0,1]之間產(chǎn)生的隨機(jī)數(shù)，drand為隨機(jī)選擇的一個(gè)維數(shù)，保證至少有一維發(fā)生了變異；所述選擇：Xi(t+1)=trialiff(trial)>f(Xi(t))Xi(t)otherwise.]]>上述技術(shù)方案的進(jìn)一步特征在于，所述替代策略有兩種，分別是局部替代策略和全局替代策略，其中，局部替代策略的執(zhí)行條件為全局最優(yōu)位置連續(xù)α代不更新，執(zhí)行局部替代策略，即：對(duì)于每一維隨機(jī)選擇一個(gè)個(gè)體，讓其對(duì)應(yīng)維用自己與全局最優(yōu)位置中間的某一位置替代，如下公式所示：fori＝1:4X(r(i),i)＝X(r(i),i)+rand×(Pg(i)-X(r(i),i))end式中，i表示1到4維，r(i)為在[1,NP]之間隨機(jī)選擇的個(gè)體，r(1)≠r(2)≠r(3)≠r(4)，Pg為當(dāng)前全局最優(yōu)位置；全局替代策略的執(zhí)行條件為局部替代策略連續(xù)執(zhí)行β次，全局最優(yōu)位置依然沒有更新，執(zhí)行全局替代策略，即：對(duì)于每一維隨機(jī)選擇一個(gè)個(gè)體，讓其對(duì)應(yīng)維用在搜索空間內(nèi)重新隨機(jī)初始化的值來(lái)替代，如下公式所示：fori＝1:4X(r(i),i)＝irange_l(i)+rand×(irange_r(i)-irange_l(i))end式中，irange_l(i)和irange_r(i)分別表示種群中每個(gè)個(gè)體第i維的最小值和最大值。本發(fā)明的有益效果如下：本發(fā)明將一種基于替代策略的差分進(jìn)化算法應(yīng)用于基于最大互信息素的圖像配準(zhǔn)領(lǐng)域，是一種基于適度搜索行為的優(yōu)化算法，其并行的搜索特點(diǎn)顯著提高了圖像配準(zhǔn)的速度。差分進(jìn)化算法較強(qiáng)的全局搜索能力使得算法避免陷入局部最優(yōu)，新提出的替代策略顯著提高了配準(zhǔn)的精度。本發(fā)明具有配準(zhǔn)魯棒性好，速度快，精度高的特點(diǎn)。采用基于最大互信息素的圖像配準(zhǔn)方法，避免了基于特征圖像配準(zhǔn)中由特征提取和圖像分割造成的人為因素影像，使得配準(zhǔn)效果更好，為后續(xù)的圖像處理工作奠定了良好的基礎(chǔ)。附圖說(shuō)明圖1為根據(jù)本發(fā)明實(shí)施例的最大互信息素圖像配準(zhǔn)方法的流程框圖；圖2為根據(jù)本發(fā)明實(shí)施例的最大互信息素圖像配準(zhǔn)方法的流程圖；圖3和圖4分別為第一組實(shí)驗(yàn)的參考圖像和浮動(dòng)圖像；圖5為第一組實(shí)驗(yàn)采用本發(fā)明配準(zhǔn)后的配準(zhǔn)圖像；圖6和圖7為第二組實(shí)驗(yàn)的參考圖像和浮動(dòng)圖像；圖8為第二組實(shí)驗(yàn)采用本發(fā)明配準(zhǔn)后的配準(zhǔn)圖像。具體實(shí)施方式下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說(shuō)明，實(shí)施例用兩組測(cè)試圖像來(lái)說(shuō)明本發(fā)明。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能解釋為對(duì)本發(fā)明的限制。本發(fā)明主要在于，將一種基于替代策略的差分進(jìn)化算法應(yīng)用于圖像配準(zhǔn)領(lǐng)域中基于灰度信息的最大互信息素法，提高圖像配準(zhǔn)的配準(zhǔn)精度和速度。為實(shí)現(xiàn)上述目的，本發(fā)明提出了一種新型的圖像配準(zhǔn)方法。圖1展示了基于灰度值的最大互信息素圖像配準(zhǔn)方法的流程圖。如圖1所示，該方法包括如下步驟：S101：建立基于灰度的互信息配準(zhǔn)適應(yīng)度函數(shù)；首先，建立基于灰度的互信息配準(zhǔn)適應(yīng)度函數(shù)f(X)。設(shè)參考圖像為A，浮動(dòng)圖像經(jīng)過(guò)平移(x,y軸)、旋轉(zhuǎn)、縮放變換后的圖像為B，則：A和B之間的互信息為：MI(A,B)＝H(A)+H(B)-H(A,B)，其中，H(A)和H(B)分別為圖像A和圖像B的平均信息量，H(A,B)為兩幅圖像的相關(guān)平均信息量。具體的計(jì)算公式如下：圖像A的平均信息量：H(A)=-ΣaPA(a)logPA(a),]]>圖像B的平均信息量：H(B)=-ΣbPB(b)logPB(b),]]>兩幅圖像的相關(guān)平均信息量：H(A,B)=-Σa,bPA,B(a,b)logPA,B(a,b),]]>其中，PA(a)和PB(b)分別是圖像A和圖像B的邊緣概率密度，PA,B(a,b)為兩幅圖像的聯(lián)合概率密度。計(jì)算兩幅圖像的邊緣概率密度和聯(lián)合概率密度時(shí)，需要用到兩幅圖像的聯(lián)合直方圖h，具體的計(jì)算公式如下：圖像A的邊緣概率密度：圖像B的邊緣概率密度：兩幅圖像的聯(lián)合概率密度：由上可知，為了獲取兩幅圖像互信息的最大值max(MI(A,B))，需要找到對(duì)浮動(dòng)圖像進(jìn)行坐標(biāo)變換的最佳參數(shù)：水平平移，垂直平移，旋轉(zhuǎn)角度，縮放系數(shù)。S102：基于最佳空間變換，建立并初始化第一代種群；先把浮動(dòng)圖像按照種群中每個(gè)個(gè)體的位置每個(gè)維度所代表的參數(shù)進(jìn)行所述空間變換，變換過(guò)程如下：T=100010txty1]]>R=cos(θ)-sin(θ)0sin(θ)cos(θ)0001]]>S=s000s0001]]>M＝T*R*S[a1,b1,1]＝[a0,b0,1]·M式中，tx,ty分別表示水平方向和垂直方向的平移量，θ為旋轉(zhuǎn)角度，順時(shí)針旋轉(zhuǎn)為正，s為縮放系數(shù)，這四個(gè)參數(shù)構(gòu)成了種群中每個(gè)個(gè)體的四個(gè)維度，第i個(gè)個(gè)體可以表示為：Xi＝[x1,x2,x3xx4]＝[tx,ty,θ,s]，T,R,S分別為平移，旋轉(zhuǎn)和縮放矩陣，M為將三種變換結(jié)合在一起的空間變換矩陣，[a0,b0]進(jìn)行平移旋轉(zhuǎn)和縮放變換后得到[a1,b1]，即浮動(dòng)圖像按照矩陣M進(jìn)行空間變換得到圖像B，在所述步驟S3中與參考圖像A一起計(jì)算兩幅圖像之間的互信息。種群中每個(gè)個(gè)體的四個(gè)維度分別代表水平平移，垂直平移，旋轉(zhuǎn)角度和縮放系數(shù)。在建立并初始化第一代種群之前，首先初始化用于圖像配準(zhǔn)部分的算 法參數(shù)，并根據(jù)所要配準(zhǔn)圖像的大小確定相關(guān)空間變換參數(shù)的上下限，建立第一代粒子群。在本實(shí)施例中，被分割的圖像要先轉(zhuǎn)化為黑白圖像。兩組實(shí)施例中所要優(yōu)化的參數(shù)的上下限分別如表1和表2所示：表1水平平移垂直平移旋轉(zhuǎn)角度縮放系數(shù)Min-200-200-500.8Max200200501.2表2水平平移垂直平移旋轉(zhuǎn)角度縮放系數(shù)Min-100-100-500.8Max100100501.2種群的位置向量表示為：Xi＝(x1,x2,x3,x4)∈Ω，其中x1和x2分別表示水平平移和垂直平移，x3為旋轉(zhuǎn)角度，x4表示縮放系數(shù)。Ω為位置空間。結(jié)合圖2所示，對(duì)上述已建立的種群進(jìn)行初始化。具體的說(shuō)，隨機(jī)初始化N個(gè)個(gè)體的初始位置X(0)。S103：根據(jù)互信息配準(zhǔn)的適應(yīng)度函數(shù)，計(jì)算每個(gè)個(gè)體的適應(yīng)度值，并計(jì)算種群的全局最優(yōu)位置和全局最優(yōu)適應(yīng)度值；具體的說(shuō)，根據(jù)步驟101中建立的最大互信息素圖像配準(zhǔn)適應(yīng)度函數(shù)，計(jì)算每個(gè)個(gè)體的適應(yīng)度值f(Xi(t+1))。根據(jù)上述每個(gè)個(gè)體的適應(yīng)度值f(Xi(t+1))，計(jì)算全局最優(yōu)位置Pg(t+1)。其中，f(Pg(t+1))＝max{f(X1(t+1)),f(X2(t+1)),f(X3(t+1)),...,f(XN(t+1)))。S104：根據(jù)標(biāo)準(zhǔn)差分進(jìn)化算法的位置更新策略，對(duì)種群中每個(gè)個(gè)體進(jìn)行變異、交叉和選擇操作，更新每個(gè)個(gè)體的位置；用于優(yōu)化的差分進(jìn)化算法中，種群中每個(gè)個(gè)體的位置更新過(guò)程包含變異，交叉和選擇三大主要操作：變異：Vi,d(t+1)＝Xa,d(t)+F×(Xb,d(t)-Xc,d(t))其中，a,b,c為三個(gè)在種群中隨機(jī)選擇的不同個(gè)體，與i也不相同。t為當(dāng)前迭代次數(shù)，F(xiàn)為比例因子。交叉：trial(t+1)=Vi,d(t+1)ifrand<CRord=drandXi,d(t)otherwise]]>其中，rand表示為一個(gè)在[0,1]之間產(chǎn)生的隨機(jī)數(shù)，drand為隨機(jī)選擇的一個(gè)維數(shù)，保證至少有一維發(fā)生了變異。選擇：Xi(t+1)=trialiff(trial)>f(Xi(t))Xi(t)otherwise]]>差分進(jìn)化算法采用貪婪的機(jī)制，當(dāng)且僅當(dāng)個(gè)體改變后的位置比原來(lái)的位置好時(shí)，才進(jìn)行個(gè)體位置的更新，否則保留原來(lái)的位置不變。S105:判斷是否達(dá)到執(zhí)行替換策略的條件，若達(dá)到，則執(zhí)行相應(yīng)的替代策略，否則執(zhí)行S6；替代策略有兩種，分別是局部替代策略和全局替代策略。局部替代策略的執(zhí)行條件為：全局最優(yōu)位置連續(xù)α代不更新。全局替代策略的執(zhí)行條件為：局部替代策略連續(xù)執(zhí)行β次，全局最優(yōu)位置依然沒有更新。當(dāng)局部替代策略的執(zhí)行條件達(dá)到時(shí)，執(zhí)行局部替代策略，即：對(duì)于每一維隨機(jī)選擇一個(gè)個(gè)體，讓其對(duì)應(yīng)維用自己與全局最優(yōu)位置中間的某一位置替代，表達(dá)方式如下：fori＝1:4X(r(i),i)＝X(r(i),i)+rand×(Pg(i)-X(r(i),i))end式中，i表示1到4維，r(i)為在[1,NP]之間隨機(jī)選擇的個(gè)體，r(1)≠r(2)≠r(3)≠r(4)，Pg為當(dāng)前全局最優(yōu)位置。當(dāng)全局替代策略的執(zhí)行條件達(dá)到時(shí)，執(zhí)行全局替代策略，即：對(duì)于每一維隨機(jī)選擇一個(gè)個(gè)體，讓其對(duì)應(yīng)維用在搜索空間內(nèi)重新隨機(jī)初始化的值來(lái)替代，表達(dá)方式如下：fori＝1:4X(r(i),i)＝irange_l(i)+rand×(irange_r(i)-irange_l(i))end其中，irange_l(i)和irange_r(i)分別表示個(gè)體第i維的最小值和最大值。局部替代策略，解釋為：當(dāng)種群的全局最優(yōu)位置連續(xù)α代不更新，算法對(duì)于每一維隨機(jī)選擇一個(gè)個(gè)體，讓個(gè)體的這一維度在自身與全局最優(yōu)值之間精確尋優(yōu)，更大效率的利用全局最優(yōu)位置附近的地方，使得精度更高。當(dāng)局部替代策略連續(xù)執(zhí)行β次之后，全局最優(yōu)位置依然沒有更新，算法認(rèn)為 當(dāng)前全局最有位置附近的這一區(qū)域不再具有開發(fā)價(jià)值，因而對(duì)于每一維隨機(jī)選擇一個(gè)個(gè)體，這一維度在整個(gè)搜索空間內(nèi)隨機(jī)初始化，使得個(gè)體跳出局部最優(yōu)從而在整個(gè)搜索空間內(nèi)開發(fā)新的有價(jià)值的區(qū)域。局部替代策略和全局替代策略的同時(shí)引入，既增強(qiáng)了算法的全局尋優(yōu)能力，又提高了尋優(yōu)精度，收斂速度在一定程度上也得到了提高。S106：當(dāng)前迭代次數(shù)t＝t+1，判斷是否達(dá)到差分進(jìn)化算法的最大迭代次數(shù)Tmax。若達(dá)到，算法終止，否則返回執(zhí)行S3。本發(fā)明提供的新型的圖像配準(zhǔn)方法與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：配準(zhǔn)穩(wěn)定性好，精度高，解決了基于特征的圖像配準(zhǔn)方法受人為因素影響較大的問(wèn)題，基于替代策略的差分進(jìn)化算法也使基于互信息的圖像配準(zhǔn)方法的配準(zhǔn)精度更高。下面結(jié)合圖3和圖4，圖6和圖7兩組配準(zhǔn)圖像，進(jìn)一步說(shuō)明本發(fā)明的技術(shù)方案具有配準(zhǔn)穩(wěn)定性好，精度高等特點(diǎn)。對(duì)于第一組實(shí)施例，圖3為參考圖像，圖4為浮動(dòng)圖像。圖3的大小為386像素*306像素，圖4的大小為472像素*335像素。對(duì)于第二組實(shí)施例，圖6為參考圖像，圖7為浮動(dòng)圖像。圖6和圖7都為256像素*256像素的圖像。對(duì)上述兩組實(shí)驗(yàn)圖像分別使用粒子群算法(PSO)，差分進(jìn)化算法(DE)，和基于替代策略的差分進(jìn)化算法(DERS)進(jìn)行配準(zhǔn)，每種算法分別運(yùn)行10次，最大迭代次數(shù)為200，種群規(guī)模為20，實(shí)驗(yàn)結(jié)果如表3和表4所示：表3表4由表3和表4的實(shí)驗(yàn)結(jié)果可以看出，相比于粒子群算法和傳統(tǒng)的差分進(jìn)化算法，基于替代策略的差分進(jìn)化算法可以達(dá)到更大的互信息值，而其方差也更小。圖5和圖8分別為兩組實(shí)驗(yàn)最后的配準(zhǔn)圖像。雖然本發(fā)明已以較佳實(shí)施例公開如上，但實(shí)施例并不是用來(lái)限定本發(fā)明的。在不脫離本發(fā)明之精神和范圍內(nèi)，所做的任何等效變化或潤(rùn)飾，同樣屬于本發(fā)明之保護(hù)范圍。因此本發(fā)明的保護(hù)范圍應(yīng)當(dāng)以本申請(qǐng)的權(quán)利要求所界定的內(nèi)容為標(biāo)準(zhǔn)。當(dāng)前第1頁(yè)1 2 3