计算机工程与科学

作者：刘欢1，2,肖根福3，欧阳春娟1

单位：（1.井冈山大学电子与信息工程学院，江西 吉安 343009;2.流域生态与地理环境监测国家测绘地理信息局重点实验室，江西 吉安 343009;3.井冈山大学机电工程学院，江西 吉安 343009）

关键词：数字图像相关方法,亚像素精定位,互学习自适应粒子群算法,牛顿拉夫森算法,

基金：国家自然科学基金(61462016)；江西省科技厅青年科学基金(20151BAB217012)；江西省科技厅自然科学基金(20151BAB207026)；江西省教育厅2014年度科技计划(GJJ14559)；江西省高校人文社科研究项目（YS1546）;流域生态与地理环境监测国家测绘地理信息局重点实验室资助课题；井冈山大学博士启动项目（JZB15016,JZB15009）

针对数字图像相关方法（DIC）的亚像素精确定位运算量大、时间代价高的问题，提出了一种改进的粒子群优化方法的亚像素精确定位。依据待测物图像中特征点变形程度的差异自适应地调整粒子飞行的速度和范围并细化到x和y二维方向上，改善特征点位移解的质量；另外，引入粒子间的互相学习机制，充分利用前一粒子的历史信息，减少迭代次数，提高算法运行效率；最后，将这种互学习的自适应粒子群的亚像素定位算法与牛顿?拉夫森（Newton?Raphson）算法和牛顿拉夫森?粒子群（NR?PSO）算法作比较。实验结果表明，本文算法具有更高的精度、有效性和可行性，尤其在处理大数据量时，该算法的时间成本优势更为显著。

来源：2016年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2016年第4期