题目：基于内容特征的MEC图象识别

本文对思维进化计算（Mind Evolutionary Computation，MEC）在图象识别中的应用进行了验证。鉴于传统的模板匹配方法有一定局限性，对模板匹配进行了改造，结合内容的特征对图象进行多目标的搜索。采取的方法是：在原始图象中随机散布一系列窗口，窗口W由四个参数唯一确定：窗口中心的横纵坐标、旋转角度和窗口宽度。这些窗口的大小、角度都可能与模板不同，所以窗口内的子图象必须经过平移、缩放和旋转等处理转化成与模板方向一致、大小相同的图象，再与模板进行匹配。将模板图象和目标图象从RGB彩色空间转化到 空间，通过计算评价函数进行匹配，利用MEC算法的数值快速搜索特性找到最优目标，并在公告板中进行记录，最后对差图象进行分析。MEC中两个重要的操作是趋同和异化。在子群体范围内，个体为成为胜者而竞争的过程叫做趋同。在整个解空间内，各子群体为成为全局的胜者而竞争，不断地勘探解空间中新的点，这个过程叫做异化。趋同进行的是局部搜索，即对局部信息开采；异化进行的是全局搜索,即全局性的勘探。趋同和异化都隐含有选择操作，它们在进化过程中反复交替进行。匹配结果表明，MEC具有平移、旋转和尺度不变的特性，在图象识别过程中取得了满意的效果。