随机并行梯度下降图像匹配方法性能研究及优化  

Performance Research and Optimization in Stochastic Parallel Gradient Descent image matching method

作　　者：李松洋[1] 伏思华[1] 龙学军[1] 王三宏[1] 韩海涛[1] 

机构地区：[1]国防科大光电科学与工程学院

出　　处：《微计算机信息》2012年第9期425-426,450,共3页Control & Automation

摘　　要：随机并行梯度下降图像匹配方法是一种全新的图像匹配方法,该方法同时对所有的变形参数施加相互统计独立的随机扰动,并以相关系数随机梯度分量代替真实的梯度分量进行迭代运算,使之能够快速地得到最优参数估计。在编程实现该技术方案的过程中,匹配坐标系选取、双边或单边扰动方式等因素对匹配效果影响明显。本文主要从这两个方面对匹配性能的影响进行分析研究并采取优化措施,使该方法得到进一步完善。SPGD（Stochastic Parallel Gradient Descent） image matching method is a new image matching method,which Simultaneously imposes statistically independent random disturbances to all of the deformation parameters and use correlation coefficient stochastic gradient component to carry out an iterative operation instead of real gradient component,so that it can obtain an optimum parameters estimation.In the programming process of the technical program,matching coordinate system selection and bilateral or unilateral disturbance methods impact significantly on the matching results.Responding to these two factors,this paper mainly analyzes and optimizes the influence on matching performance,so that this method has been further improved.

关 键 词：随机并行梯度下降 图像匹配 匹配坐标系选取 扰动方式 

分 类 号：TP273.2[自动化与计算机技术—检测技术与自动化装置]