郭 貝，任金霞

（江西理工大學(xué) 電氣與自動(dòng)化學(xué)院，贛州 341000）

0 引言

圖像匹配是機(jī)器視覺中一種常用的圖像處理和圖像分析技術(shù)，是圖像處理到圖像分析的關(guān)鍵步驟，基于特征點(diǎn)的圖像匹配方法已經(jīng)成為國(guó)內(nèi)外研究的熱點(diǎn)。文獻(xiàn)[1,2]采用BRISK和ORB相結(jié)合的特征點(diǎn)算法，有效的解決了ORB特征描述算法不具備尺度不變性的問(wèn)題。文獻(xiàn)[3]采用了極線幾何的統(tǒng)計(jì)優(yōu)化特征匹配算法，利用正確匹配點(diǎn)的極線約束的特點(diǎn)，減少了搜索區(qū)域，避免重復(fù)結(jié)構(gòu)引起的誤匹配對(duì)。文獻(xiàn)[4]使用組合角點(diǎn)檢測(cè)算法來(lái)檢測(cè)角點(diǎn)，并且均勻地選擇第一圖像中的特征點(diǎn)的部分以實(shí)現(xiàn)預(yù)匹配，并且基于匹配結(jié)果來(lái)找到其他檢測(cè)點(diǎn)的對(duì)應(yīng)點(diǎn)。醫(yī)學(xué)圖像有其特殊的復(fù)雜性，其普遍亮度和對(duì)比度偏低，灰度變化不明顯，在成像上拍攝角度和拍攝光照變化，都是導(dǎo)致圖像的中的數(shù)據(jù)丟失，這就影響圖像匹配的正確率，近些年，基于神經(jīng)網(wǎng)絡(luò)的圖像匹配的方法越來(lái)引起人們的關(guān)注，正是因?yàn)樯窠?jīng)網(wǎng)絡(luò)具有高速信息處理和不確定性信息處理的能力。在實(shí)際應(yīng)用中，傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)值和閾值存在隨機(jī)性，對(duì)訓(xùn)練的網(wǎng)絡(luò)有很大的影響，會(huì)出現(xiàn)不同程度的收斂慢，容易陷入局部最優(yōu)。針對(duì)此問(wèn)題，本文提出蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)方法，利用兩幅圖匹配為基礎(chǔ)，建立基于蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)匹配的模型，并加以特征點(diǎn)的單一性約束準(zhǔn)則和互應(yīng)性約束準(zhǔn)則，提高匹配的正確率。

1 蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

蝙蝠搜索算法是一種優(yōu)化算法，受到天然蝙蝠定位食物回聲定位行為的啟發(fā)。它由Yang引入，用于解決各種優(yōu)化問(wèn)題。

具體步驟如下：

1）蝙蝠算法的初始化。設(shè)定蝙蝠的數(shù)量，每個(gè)個(gè)體的最大脈沖頻度和脈沖聲音強(qiáng)度，蝙蝠增加系數(shù)、聲音衰減系數(shù)、最大迭代次數(shù)和搜索精度；

2）記錄隨機(jī)初始化的蝙蝠個(gè)體的位置X，搜索位置在最佳的蝙蝠個(gè)體；

3）更新蝙蝠的搜索脈沖頻率，速度和位置。在群體的過(guò)程中，每一代的搜索脈沖頻率，速度和位置如下改變：

公式中，β ∈[0,1]是滿足均勻分布的隨機(jī)向量，X*表示當(dāng)前全局的最優(yōu)解；根據(jù)問(wèn)題的搜索范圍，需要滿足fmin=0，fmax=O(1)。初始條件時(shí)，每一只蝙蝠隨機(jī)賦值給的頻率必須滿足[fmin，fmax]間的均勻分布；

4）隨機(jī)生成數(shù)Rand，假如Rand＞ri，需要做的就是隨機(jī)擾動(dòng)當(dāng)前的最優(yōu)解，然后生成新的解，并且新的解是有界的。

5）隨機(jī)生成數(shù)Rand，假如Rand＜Ai，同時(shí)滿足f（Xi）＜f（X*），4）產(chǎn)生的新解需要按公式更新：

6） 對(duì)全部蝙蝠的適應(yīng)度值進(jìn)行排列，尋找目前的最佳解和最優(yōu)值。

7） 重復(fù)步驟3）～6），直到符合設(shè)定的最優(yōu)解要求截止。

8）得出函數(shù)全局的最優(yōu)解和最優(yōu)的個(gè)體值，得到的函數(shù)全局最優(yōu)解。作為BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值。

2 蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)匹配模型

特征點(diǎn)匹配是發(fā)現(xiàn)兩個(gè)特征點(diǎn)集合當(dāng)中的彼此對(duì)應(yīng)匹配關(guān)聯(lián)和空間映射關(guān)聯(lián)，相同的一個(gè)空間坐標(biāo)點(diǎn)在不同的圖像上的對(duì)應(yīng)匹配關(guān)系是確定不變的。受到攝像環(huán)境的影響，空間點(diǎn)和圖像點(diǎn)的關(guān)系變得很復(fù)雜，但是除非考慮外部噪聲的影響，否則圖像中所有特征點(diǎn)的映射關(guān)系是相同的。

圖像特征點(diǎn)的匹配的形式，需要確立較為精確的數(shù)學(xué)模型，如若模型確立的不精確，那么這個(gè)模型的匹配結(jié)果的精確性將大大下降，尤其能夠致使匹配結(jié)果的 失敗。

蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)匹配模型最重要的任務(wù)是：能夠正確體現(xiàn)兩幅圖像特征點(diǎn)的集合映射關(guān)系的模型。該模型分為三個(gè)部分：1）已匹配的特征點(diǎn)集合的樣本的分類和處理；2）BP網(wǎng)絡(luò)結(jié)構(gòu)以及權(quán)值和閾值的；3）匹配的約束準(zhǔn)則

1）特征點(diǎn)集合需要進(jìn)行樣本歸一化處理，把數(shù)據(jù)處理成BP神經(jīng)網(wǎng)取值絡(luò)比較敏感的區(qū)間的數(shù)據(jù)；樣本分類，把處理好的數(shù)據(jù)分成訓(xùn)練樣本和驗(yàn)證樣本，用訓(xùn)練樣本用于進(jìn)行訓(xùn)練網(wǎng)絡(luò)，驗(yàn)證樣本用于檢驗(yàn)網(wǎng)絡(luò)的 好壞。

2）BP神經(jīng)網(wǎng)絡(luò)一般分為輸入層，隱含層，輸出層，我們主要的目的就是期望運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)未匹配特征點(diǎn)的位置（即坐標(biāo)），所以，輸入層的神經(jīng)元和輸出的神經(jīng)元都為2個(gè)，隱含層神經(jīng)元的選擇個(gè)數(shù)，根據(jù)研究和實(shí)驗(yàn)中的發(fā)展可以得出個(gè)數(shù)應(yīng)該在2～12之間。對(duì)于權(quán)值和閾值的取值，用蝙蝠算法進(jìn)行權(quán)值和閾值的優(yōu)化。

3）匹配約束準(zhǔn)則

（1）唯一性準(zhǔn)則：一個(gè)圖像上相同空間點(diǎn)的投影點(diǎn)只能與另一個(gè)圖像上的唯一點(diǎn)匹配。

①兩張待匹配圖像之間存在的已知匹配的特征匹配（左圖像P1和右圖像P2），將匹配表輸入BP神經(jīng)網(wǎng)絡(luò)以學(xué)習(xí)網(wǎng)絡(luò)。

②預(yù)測(cè)位置Pic1_test是左圖像P1特征點(diǎn)的網(wǎng)絡(luò)實(shí)際輸出，即在右圖的預(yù)測(cè)位置坐標(biāo)。

③在實(shí)際輸出坐標(biāo)中選擇未匹配的特征點(diǎn)p1i（pij的第i幅圖中的第j個(gè)特征點(diǎn)），依次與右圖P2待匹配點(diǎn)進(jìn)行計(jì)算歐氏距離dij（dij表示左圖P1中第i個(gè)特征點(diǎn)預(yù)測(cè)匹配點(diǎn)與右圖P2中第j個(gè)特征點(diǎn)之間的距離），Dmax為左圖中已匹配的特征點(diǎn)預(yù)測(cè)的點(diǎn)與右圖中相對(duì)應(yīng)的匹配點(diǎn)歐氏距離，dij只有不大于Dmax的距離的特征點(diǎn)作為正確的匹配點(diǎn)，將該匹配點(diǎn)對(duì)加入列表中，并將該點(diǎn)對(duì)刪除，如若dij大于Dmax的距離，則認(rèn)為該匹配點(diǎn)不存在。

④重復(fù)步驟③，直到圖P1中的未匹配特征點(diǎn)全部都經(jīng)歷完。

⑤如果右圖P2中還有未進(jìn)行匹配點(diǎn)，則認(rèn)為該些點(diǎn)沒(méi)有匹配點(diǎn)，至此圖像的匹配結(jié)束。

（2）圖像的反匹配：

假設(shè)匹配，從左圖像開始，左圖像的特征點(diǎn)A可以在右圖像中找到對(duì)應(yīng)點(diǎn)B。如果操作相反，則在右圖像的開始，右圖像的特征點(diǎn)B，找不到左圖像的對(duì)應(yīng)匹配點(diǎn)，或者可以找到特征點(diǎn)但是特征點(diǎn)不是A，匹配關(guān)系未建立并被排除。

3 結(jié)果分析

為了驗(yàn)證蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的有效性，我們選擇兩幅腸胃內(nèi)窺鏡的圖片進(jìn)行BP神經(jīng)網(wǎng)絡(luò)和蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的對(duì)比實(shí)驗(yàn)。

圖1 兩圖內(nèi)窺鏡圖像

首先，先進(jìn)行特征點(diǎn)提取，并進(jìn)行特征點(diǎn)匹配，得到已匹配特征點(diǎn)對(duì)，和兩幅圖中未匹配的特征點(diǎn)。

3.1 BP神經(jīng)網(wǎng)絡(luò)匹配特征點(diǎn)

首先進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)匹配，網(wǎng)絡(luò)的層數(shù)結(jié)構(gòu)選擇2，10，2，迭代次數(shù)1000，學(xué)習(xí)0.1，目標(biāo)0.0000001，訓(xùn)練網(wǎng)絡(luò)，由約束條件唯一性原則，最大距離為2.2078。兩幅圖的特征點(diǎn)存在已經(jīng)匹配好的特征點(diǎn)，兩幅圖的部分樣本如表1所示。

表1 兩圖部分樣本

根據(jù)以上的數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，并使用待匹配的特征點(diǎn)進(jìn)行匹配，得出以下的結(jié)果，

圖2 傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)匹配圖

從上面兩張?zhí)卣鼽c(diǎn)匹配的圖像來(lái)看，中間有些特征點(diǎn)，比如圖中的點(diǎn)36，點(diǎn)37，點(diǎn)38，點(diǎn)39，點(diǎn)40，點(diǎn)41，點(diǎn)42，點(diǎn)43，點(diǎn)44，點(diǎn)45其他的特征點(diǎn)都匹配正確，由此可以得出總共45個(gè)特征點(diǎn)匹配點(diǎn)中，有9個(gè)是誤匹配點(diǎn)，正確率還不是很高。

3.2 蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)匹配

開始訓(xùn)練網(wǎng)絡(luò)之前，需要先確定網(wǎng)絡(luò)的層數(shù)結(jié)構(gòu)和蝙蝠算法的相關(guān)的參數(shù)，根據(jù)實(shí)際的樣本數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)和約束的閾值。

網(wǎng)絡(luò)的層數(shù)結(jié)構(gòu)選擇2，8，2，迭代次數(shù)1000，學(xué)習(xí)率0.1，目標(biāo)0.0000001，種群數(shù)量20，音量0.25，脈沖率0.5，最大距離0.1902。經(jīng)過(guò)訓(xùn)練樣本和驗(yàn)證樣本的訓(xùn)練，用蝙蝠算法進(jìn)行閾值和權(quán)值的搜索，得到搜索的最優(yōu)的閾值和權(quán)值，并將搜索好的閾值和權(quán)值賦值給BP神經(jīng)網(wǎng)絡(luò)，加以訓(xùn)練，得到最終的權(quán)值和閾值，將訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)運(yùn)用在特征點(diǎn)的匹配上，結(jié)合約束準(zhǔn)則進(jìn)行匹配。

先進(jìn)行正向匹配

圖3 蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)正匹配

通過(guò)蝙蝠優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的的模型映射并按約束準(zhǔn)則匹配，先進(jìn)行正向匹配的結(jié)果的顯示，從圖4(a)，圖4(b)可以看出左右圖中都進(jìn)行了不同顏色的標(biāo)記提取，一共標(biāo)記了31個(gè)不同的特征點(diǎn)，通過(guò)對(duì)比找出了點(diǎn)7，點(diǎn)13，點(diǎn)19，點(diǎn)26，這4個(gè)錯(cuò)誤的匹配點(diǎn)，相較于只進(jìn)行傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的模型，訓(xùn)練匹配的結(jié)果有了很大的提高，但是還是出現(xiàn)了匹配點(diǎn)錯(cuò)誤的情況，并且錯(cuò)誤的匹配點(diǎn)并沒(méi)有被消除掉。

下面進(jìn)行反向匹配的過(guò)程，反向匹配的過(guò)程中的特征點(diǎn)個(gè)數(shù)可能有不同，所以進(jìn)行重新編號(hào)，結(jié)果如下：

圖4 蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)反匹配

同樣的，反向匹配也會(huì)存在一些錯(cuò)誤的匹配點(diǎn)，根據(jù)互應(yīng)性的約束，需要剔除誤匹配，結(jié)果如下：

圖5 誤匹配剔除的結(jié)果

所以最終留下的匹配點(diǎn)就是正確的匹配點(diǎn)，兩個(gè)約束條件保證了結(jié)果的可靠性。通過(guò)對(duì)比最終的特征點(diǎn)匹配，可以看出，正向匹配和反向匹配中都刪掉了一些正確的匹配點(diǎn)，但是各個(gè)圖中的錯(cuò)誤匹配點(diǎn)都刪除了，保證了特征點(diǎn)匹配的正確性。

4 結(jié)論

醫(yī)學(xué)圖像特征點(diǎn)匹配由于圖像本身的特殊性，拍攝條件的局限性，外界干擾因素多，導(dǎo)致匹配過(guò)程出現(xiàn)誤匹配點(diǎn)。本文提出了基于蝙蝠算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)匹配的模型，該模型有蝙蝠算法的快速搜索的最優(yōu)的權(quán)值和閾值，以及BP神經(jīng)網(wǎng)絡(luò)自身的自適應(yīng)能力，通過(guò)實(shí)驗(yàn)結(jié)果，該模型能夠提高正確的匹配特征點(diǎn)，并且剔除誤匹配點(diǎn)，明顯高于BP神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)匹配，該算法有效的。