Abstract
The given paper presents a hybrid method which is a combination of genetic and gradient algorithms used for the comparison of digital images of an object. Aligning the images, their basic transformations are taken into account, namely shift and scale in a width and height, angle, changes in intensity and contrast. The software for image alignment of objects has been created using Delphi environment. The program utilizes modified genetic algorithms where the chromosomes are the vectors of real numbers. The methods of roulette, rank and tournament selection are used for chromosome selection. After the use of the genetic algorithm the object images were compared by the method of coordinate descent that provides an accuracy improvement of image alignment. The efficiency of different methods of chromosome selection in the genetic algorithm for images alignment is researched. The size of chromosome population as well as other parameters of genetic algorithm have been optimized.
Highlights
The problem of alignment of the digital images of objects consists in determination of accordance between points of two and more patterns [1]
The given paper presents a hybrid method which is a combination of genetic and gradient algorithms used for the comparison of digital images of an object
The program utilizes modified genetic algorithms where the chromosomes are the vectors of real numbers
Summary
Задача порівняння зображень полягає в наступному [3]. Дано зображення зразка S0, яке потрібно сумістити із зображенням еталону E. Завдання полягає у визначенні таких перетворень (трансформацій), які компенсують на зображенні зразка вплив інструментальних факторів і при яких середньоарифметична різниця зображень ∆ буде мінімальною:. Іншим підходом до суміщення зображень є виділення на них опорних точок, які повинні співпадати на зображеннях еталону і зразка. Водночас цільова функція перетворення зображення зразка F = 1 – ∆ має багато локальних екстремумів, тому потрібний оптимізаційний алгоритм для ефективного пошуку глобального екстремуму цієї функції. Проте градієнтний метод забезпечує оптимальний результат тільки при виборі початкової точки, близької до глобального екстремуму. Що використовується при суміщенні зображень, є метод повного перебору значень всіх параметрів трансформацій зображення. Тому для знаходження екстремуму цільової функції перспективним є використання генетичних алгоритмів, які поєднують кращі властивості градієнтних методів та методів повного перебору [6]. Оскільки генетичні алгоритми часто дають квазіоптимальний результат, тому для кращого суміщення зображень в роботі використано гібридний метод [7]. Даний метод є поєднанням генетичного алгоритму з одним із градієнтних методів, а саме методом координатного спуску
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
