买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北大学

摘要：本发明属于图像处理的技术领域，公开了一种基于混沌反向学习的鲸鱼优化的破损俑体碎片配准方法，对数据预处理，生成源点云数据P和待配准数据Q；根据目标函数建立种群个体与模型的映射关系，用旋转R参数和平移T参数得到最优变换矩阵；初始化参数；使用精英保留机制将精英数据保存在精英数据库中；设计权重因子和收敛因子，更新鲸鱼个体的位置，并计算其适应度；更新隶属度、非隶属度和犹豫度；更新鲸鱼个体之间的距离；计算小生境技术的共享函数值，并更新适应度值；判断是否满足迭代条件；将搜索得到的最优解应用到R和T参数中，得到最终的配准模型。本发明优化鲸鱼算法，并使改进的鲸鱼优化算法更适合碎片配准问题。

主权项：1.一种基于混沌反向学习的鲸鱼优化的破损俑体碎片配准方法，其特征在于，所述基于混沌反向学习的鲸鱼优化的破损俑体碎片配准方法包括：对数据预处理，生成源点云数据P和待配准数据Q；根据目标函数建立种群个体与模型的映射关系，用旋转R参数和平移T参数得到最优变换矩阵；初始化参数，采用混沌重心反向学习策略初始化种群，计算适应度值，得到全局最优解；使用精英保留机制将精英数据保存在精英数据库中；设计权重因子和收敛因子，更新鲸鱼个体的位置，并计算其适应度；更新隶属度、非隶属度和犹豫度；更新鲸鱼个体之间的距离；计算小生境技术的共享函数值，并更新适应度值；判断是否满足迭代条件，若不满足则返回初始化参数；否则，进入将搜索得到的最优解应用到R和T参数中；将搜索得到的最优解应用到R和T参数中，得到最终的配准模型；所述基于混沌反向学习的鲸鱼优化的破损俑体碎片配准方法的待配准数据Q的生成主要是对预处理之后得到的源点云数据P绕X轴旋转70°，绕Y轴旋转30°，绕Z轴旋转50°，平移向量T＝[0,-200,100]处理得到的；所述基于混沌反向学习的鲸鱼优化的破损俑体碎片配准方法的R和T是点云数据的旋转量和平移量，R＝Rx*Ry*Rz，表示分别绕x轴，y轴，z轴的旋转角度，T＝[Tx,Ty,Tz]，表示分别沿x轴，y轴，z轴的平移距离；点云配准问题实质为全局优化问题的求解:寻求最优的变换矩阵，使得源点集P与待配准点集Q间的欧氏距离最小，根据R和T得到最优变换矩阵S,S＝R*Q+T，鲸鱼优化的目标函数为所述基于混沌反向学习的鲸鱼优化的破损俑体碎片配准方法的初始化参数具体包括：1初始参数分别为：搜索上界ub、搜索下界lb、种群规模n、维度D、最大迭代次数maxgen、精英保留概率k；2采用具有较好的遍历性和初值敏感性的Logistic混沌映射在D维空间中生成混沌序列y＝{yd，d＝1，2，…，D}，μ∈[0，4]，y∈[0，1]，yd＝{yid，i＝1，2，…，n},Logistic混沌映射函数表达式为：yi+1,d＝yi,d×μ×1-yi,d；3将混沌序列映射到解空间，得到种群个体Xid为：xid＝Xmin+yid×Xmax-Xmin；4定义重心，设X1，…，Xn是D维搜索空间中的有单位质量的n个点，则此n个点的重心定义为： 记Xi＝xi1，…，xiD，i＝1，…，n,则M＝M1，…，MD,则： 5计算重心反向点： 6利用目标函数计算种群个体的适应度值，并得到全局最优位置；所述精英保留机制的具体实现方法是，在迭代之初，对所有的个体的适应度进行升序排列，设置一个精英保留概率参数k,以k概率在所有个体中选择最优个体作为精英保存在精英数据库中，当鲸鱼个体经过一系列位置更新后，用精英数据库中的个体替换种群中最差的k概率的鲸鱼个体；所述设计权重因子和收敛因子，更新鲸鱼个体的位置，并计算其适应度具体包括如下步骤：1定义系数变量A、C：A＝2a·rand1-a；C＝2·rand2；其中，rand1和rand2为0到1的随机数，a为收敛因子，在迭代过程中从2线性减少到0；通过不断减小a；2设计一个权重因子ω，其更新公式；其中，t为当前迭代次数，maxgen为最大迭代次数： 3设计一个收敛因子E,其更新公式为式，rand为[0,1]之间的随机数，t为当前迭代次数，maxgen是最大迭代次数：E＝e-4logk； 4设置一个选择概率p，如果p＜0.5且|A|＜1,每只鲸鱼个体按照公式p＜0.5更新当前位置，否则按照公式更新鲸鱼个体位置；如果p≥0.5，则每只鲸鱼个体按照公式p≥0.5更新位置；其中，b为常数，l为[-1,1]之间的随机数，Xt为当前的位置向量，为每次迭代中到当前为止找到的最优位置向量，D为包围步长：5根据更新的个体位置更新其适应度值；所述根据计算得到的适应度值更新隶属度、非隶属度和犹豫度： πxixik＝1-μxixik-γxixik；其中，μxixik、γxixik、πxixik分别为个体xik的适应度在隶属度、非隶属度和犹豫度，fxik为个体xik的适应度，fmaxxik为本代个体中最大适应度；所述的个体之间的距离，对于鲸鱼个体Xi＝xi1，xi2，…，xiD,小生境是通过个体与其他鲸鱼之间的直觉模糊距离，用来衡量两个个体之间的相似程度，表示鲸鱼个体之间的距离测度公式： 其中，i＝1，…，M-1；j＝i+1，i+2，…，M，Xi和Xj分别为第i个和第j个体；N为种群规模；所述计算小生境技术的共享函数值，并更新适应度值具体包括如下步骤：1适应度共享函数机制是利用个体间相似度的共享度来不断改变个体适应度的大小，个体间的共享函数值确定，σshare为峰半径，取σshare＝20： 共享度是个体与小生境内其他各个个体之间共享函数的总和，它是个体在种群中相似程度的一种度量：Si＝Σk≠iShdik；2通过每个个体的共享度与共享机制函数更新每个个体的适应度值： 式中：为共享之后的适应度值，fXi为共享前的适应度值。

全文数据：

权利要求：

百度查询： 西北大学 基于混沌反向学习的鲸鱼优化的破损俑体碎片配准方法