MEP在圖像配準中的應用.pdf

1、本文主要分為三部分，第一部分為研究背景的介紹，給出了遺傳程序設計(GeneticProgramming，簡稱GP)的發(fā)展過程，從非線性GP發(fā)展到線性GP，詳細地介紹了GEP的生物學背景、方法、研究現(xiàn)狀。第二部分為MEP算法的研究，著重介紹了(Multi-ExpressionProgramming，MEP)的編碼方式和基本流程，并對其進行了分析，在此基礎上，提出了改進的MEP算法并對該算法進行了詳細的數(shù)值試驗。第三部分為MEP算法的應用實

2、踐，將所設計的算法應用到圖像配準問題，并將結(jié)果與傳統(tǒng)的方法進行比較，結(jié)果顯示本文設計的算法表現(xiàn)出了良好的性能。本文的主要工作和創(chuàng)新點如下：1、對MEP獨特的編碼方式和相應的遺傳操作進行了研究，與其他GP相比，MEP具有包含多個表達式、編碼利用率高、不包含無用編碼、不需要轉(zhuǎn)化為樹結(jié)構(gòu)、能更好地保護好子結(jié)構(gòu)等優(yōu)點。 2、對MEP的不足之處進行改進。針對MEP和其他GP都存在搜索空間太大，無法進行有效搜索的問題，本文提出了針對不同問題

3、預設復合函數(shù)模板和分級策略，從而減少了無用的搜索空間，提高了搜索效率。并用一些測試例子對改進的MEP算法進行實驗，實驗結(jié)果表明，改進的MEP算法是有效的。 3、將改進的MEP算法運用到圖像配準問題。本文首先對圖像配準問題進行了一定的概括，給出了圖像配準的意義、變化類型、基于控制點的配準步驟等。并分析了現(xiàn)有模型的優(yōu)缺點。然后給出了改進的MEP算法運用到圖像配準問題的詳細步驟，并做了詳細的實驗，取得了較好的結(jié)果。這是到目前為止，第一