进化计算机视觉(Evolution Computer Vision,ECV)是一种结合进化计算和计算机视觉的新研究方法,代表了一个新的跨学科研究领域,其将分析方法和随机优化及启发式方法相结合;进化计算机视觉致力于设计有助于解决计算机视觉难题的软硬件解决方案。在人工智能的早期,人们过于相信智能的认知能力,低估了视觉感知的研究。当前,作为一个成果丰富的研究和应用技术领域,计算机视觉已采用了各式各样的方法来解决复杂多样的视觉相关实际问题:三维建模、跟踪图像序列中的对象、指纹识别、在场景中找到一个人、光学字符识别等。这些应用的共同特点是试图通过一个或多个图像来描述世界,并重新创建场景的属性,如形状、颜色和光照,及其它有助于呈现整个视觉体验的属性。本文首先介绍了计算机视觉的发展现状,然后结合进化算法对计算机视觉领域的研究成果进行了阐述,并讨论了进化算法中的遗传算法;接着主要进行了3个方面的研究工作:1.针对仿射不变性图像特征提取算法进行了研究,其中重点讨论了ASIFT算法,并对该算法进行了改进,提出了更为高精度高效率的RA-SIFT算法;2.结合仿射不变性和进化算法中的多目标遗传算法对图像配准开展了研究,提出了适合于复杂图像实时配准的MOGA算法;3.尝试将本文提出的算法应用于启智ROS机器人的视觉图像实时匹配中。为了获取图像的仿射不变性,对仿射不变性算法进行了深入研究。图像特征提取中的常用算法,如:SIFT,SURF,ORB等算法,都只具有部分仿射不变性。本文重点研究了SIFT的改进算法--ASIFT算法,数学上已经证明,该算法具有完全的仿射不变性,对图像视角上发生的变化具有很好的匹配效果;本文研究的第1个创新点主要体现在:结合RANSAC算法和距离筛选,对ASIFT进行了改进,形成了RA-SIFT算法--一种高精度高效率的仿射不变性特征匹配算法。经由文本相关实验验证,RA-SIFT在特征提取精度和效率方面,相对于ASIFT明显提高。结合仿射不变性算法和多目标遗传算法,在图像配准方面,本文还提出了一种复杂图像配准算法--具有仿射不变性的多目标遗传算法(A-MOGA)。该多目标遗传算法,需要从三个方面设置目标函数:角度、距离、点匹配,对图像进行匹配;在匹配过程中,需要对种群中的每一个体(解)计算其匹配度(适应度),根据该代种群中每一个体匹配度的数值,采用交叉、变异等算子形成(下一代的)新个体(新解);实验证明本文的另一创新点--A-MOGA算法--具有明显有效性和可行性:A-MOGA算法对比图像最近邻近似匹配法和暴力匹配法,按匹配时间长度计,对于图像特征点较多的复杂图像,A-MOGA算法具有明显的优势,可满足实时图像配准要求。尝试了将本文提出的A-MOGA算法应用于启智ROS机器人的视觉图像匹配中:依据ROS机器人的硬件参数和软件系统调整算法参数,预先采集参考图像,ROS机器人实时图像与参考图像进行图像匹配模拟实时实验;实验结果表明,A-MOGA算法在ROS机器人上可得到良好的应用效果。