双目体视粒子图像测速系统优化设计

基于视觉原理提出了基于匹配查询的体视粒子图像测速算法.该方法首先使用互相关算法对双目像平面上的粒子像进行匹配,通过相关结果进行同名区域查询;然后通过回归检测对错误的匹配点进行别除.该算法不仅可以成功的对四个像平面上的兴趣区域进行同名域的判断,而且具有较高的信噪比.最后,使用人工合成的粒子图进行了算法验证及误差分析.结果表明:所提算法可以有效地对空间流场进行运动信息的提取.     

双目视觉在粒子图像测量中的研究

针对粒子测速系统中空间点立体匹配难、空间信息难以表示的问题,构建了基于双目视觉的三维粒子测速一般模型。模型中提出并采用了分层提取的逐层相关法:即先对三维空间进行二维切分,然后结合粒子图像测速(particle image velocimetry,PIV)技术与粒子追踪测速(particle tracking velocimetry,PTV)技术对不同帧的二维粒子层面进行相关处理并求出粒子运动矢量。最后平面校正实验、空间切片重构实验以及人工合成粒子图的测速试验均证明了该方法的可靠性,使用该方法可以较精确的得到可测范围内空间任意点的矢量场。     

基于SOM网络的智能化粒子测速算法

提出了基于自组织映射(self-organized mapping,SOM)神经网络的粒子图像测速算法。该方法使用SOM神经网络对粒子测速技术中运动追踪方法进行了改进,并在匹配过程中根据兴趣区域的粒子密度对粒子追踪算法与粒子相关算法进行了选择处理。经SOM网络改进的测速算法首先利用相关后的结果进行网络构建,然后使用追踪技术对候选匹配点进行筛选。该算法不仅消除了粒子密度与灰度分布的敏感性,而且也降低了相关时对分析窗口尺寸的敏感。最后,使用人工合成的粒子图进行了算法验证及误差分析。结果表明:所提算法在分析精度方面有很大的提高并且具有很强的鲁棒性。     

GAPSO：一种高效的遗传粒子混合算法及其应用

在粒子群算法和遗传算法融合的基础上提出了一种新的算法(GAPSO).该算法模仿自然界的个体成熟过程,对遗传算法中的每一代群体中的优秀个体,采用粒子群算法获得进一步的提高,使算法获得比遗传算法和粒子群算法更加好的优化效果.在FCRNN设计应用中表明该算法确实比遗传算法和粒子群算法有更加好的效果.     

快速Metropolis-Hastings变异的遗传重采样粒子滤波器

为了解决传统粒子滤波器粒子退化与贫乏问题,提出了快速变异的遗传重采样粒子滤波算法.该算法将快速Metropolis-Hastings(MH)移动作为遗传算法的变异算子,使得快速变异算子与传统交叉算子、传统选择算子组合为一种新的粒子重采样算法.快速MH变异能对粒子进行移动,使得粒子的稳定分布为目标的后验概率密度分布.快速变异能有效解决一般变异算法易发散的问题,可以更快地提取到反映目标概率特征的典型粒子.实验证明,基于快速MH变异的遗传重采样方法可以快速提高粒子的多样性,避免粒子退化,减小跟踪误差.     

基于粒子群-遗传的混合优化算法

提出了一种基于实数编码的粒子群优化和遗传算法的混合优化算法,该算法首先由粒子群优化进化一定代数后,将最优的M个粒子保留,去掉适应度较差的pop_size M个粒子。然后以这最优的M个粒子的位置值为基础,选择复制得到pop_size M个个体,并进行交叉、变异等遗传算法运算。最后将保留的M个粒子位置值与遗传算法进化得到新的pop_size M个体合并形成新的粒子种群,进行下一代进化运算。该算法在进化过程中能进行多次信息交换,使两种算法互补性得到更充分的发挥。通过5个函数优化实例与其他多种算法的对比研究,表明该算法收敛性能好,运算速度快,优化能力强。此外,还研究了最优粒子保留规模M以及粒子群优化进化较少代数规模对算法性能的影响。     

基于视差范围估计和改进代价的半全局匹配

针对传统半全局算法对视差范围内未知场景通常人为地设定一个视差范围造成计算资源浪费,同时利用传统Census变换进行代价计算限制视差精度的不足,提出了基于视差范围估计和改进代价的半全局匹配算法.首先,采用多种特征算子同时提取图像对的特征点,通过快速最近邻搜索进行特征点匹配,利用立体匹配的约束条件筛选匹配点,计算匹配点对的...     

基于量子遗传和无迹粒子滤波的人体运动跟踪

提出一种人体运动跟踪算法,用于解决多关节人体运动跟踪问题.由于无迹粒子滤波存在样本贫化现象,因而对目标运动估计产生影响,尤其估计模型为复杂的马尔可夫链的时域问题的影响尤为严重.通过分析产生该现象的原因,在无迹粒子滤波中引入量子遗传算法:一方面,增加样本集的多样性而缓解样本贫化现象的影响;另一方面,改善其估计、跟踪能力并有效缩短了计算时间.实验结果表明,所提出算法很好地减轻了样本贫化现象对无迹粒子滤波的影响,并提高了多关节人体运动跟踪的准确性,跟踪结果令人满意.     

高精度景象匹配下的高速SAR平台定位和测速

针对目前惯导精度较低,不能精确地对高速SAR平台进行定位的问题,提出了一种基于数字地图高精度配准后再对高速SAR平台进行定位的方法。该方法通过得到SAR图像中所匹配点目标的位置信息来确定高速SAR平台的瞬时位置,将提高高速SAR平台的定位精度,其定位精度可在2~3 m之内。同时,还利用回波数据的多普勒信息对高速SAR平台瞬时测速的可行性进行了分析。最后,通过仿真实验证明了该方法的有效性。     

混合粒子群算法在柔性工作车间调度中的应用

混沌是一种新颖的优化技术,具有随机性、遍历性的特点和易跳出局部极值的能力。为了提高粒子群优化算法(PSO)的性能,在PSO中引入混沌,优势互补,提出了一种混合PSO算法,并应用于柔性工作车间调度问题的求解。首先基于混沌对PSO的参数进行自适应优化,实现全局搜索与局部搜索间的有效平衡;然后,在PSO的搜索过程中引入混沌局部搜索策略,来提高解的精度和收敛速度。实验比较结果验证了该算法的全局搜索性能。     

基于遗传算法的轮廓模糊匹配问题研究

在由序列的二维轮廓线重构出面模型来表示三维形体的面绘制方式中,首先要解决相邻两层切片上的轮廓线之间的匹配连接关系。针对目前的轮廓线匹配算法容易导致错误匹配的问题,提出一种基于遗传算法的轮廓模糊匹配算法。模糊性为轮廓匹配问题本身所具有,借鉴遗传算法这一种全局优化自适应概率搜索算法,可以准确表达轮廓匹配中的约束,有效地减少错误匹配的发生。在肝脏的CT数据三维重建中应用该算法取得了比较理想的效果。     

基于粒子群优化技术的点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数，通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数，利用粒子群优化算法求解变换参数，实验表明，该算法适用于点匹配，具有操作方便、可靠性好、不易陷入局部极值等优点。     

基于两级扫描线优化的快速立体匹配算法

通过引入视差梯度理论,提出了一种弱连续性约束,它表示相邻点的视差变化总在一定的范围之内.同时引入了一种两级扫描线优化方法,它从水平和垂直两方向进行扫描线优化.最后把弱连续性约束与两级扫描线优化方法结合起来得到一种快速立体匹配方法.通过对比实验表明,与未加入弱连续性约束的两级扫描线优化算法相比,所提算法计算量更少,同时减轻了同纹理区域的匹配不确定性;与传统一维扫描线优化算法相比,该算法具有更高的匹配准确性并解决了扫描线间的不连续性.     

基于多尺度信息综合的快速地图匹配算法研究

针对航片数字地图与实时图像的景象匹配实时性问题 ,提出了一种快速地图匹配方法———基于多尺度信息综合的数字地图匹配算法。该算法采用了多尺度分析与综合的思想 ,通过实时图像和参考图像在多尺度信息下的综合变换以及在同一尺度下的比较、综合 ,并结合一般常规图像匹配算法中的粗匹配和精匹配方法 ,实现了真实匹配位置的快速逼近 ,有效地提高了图像匹配的速度。通过PC机软件模拟仿真 ,该算法在匹配精度和匹配速度上都达到了较满意的效果。     

基于最小生成树的LAPLACE谱图像匹配算法

提出了一种基于最小生成树的Laplace谱图像匹配算法.首先分别对两幅待匹配图像的特征点集构造完全图,其次寻找最小生成树,然后通过各自的最小生成树构造Laplace矩阵,接下来进行分解并利用分解结果构造匹配矩阵,最后通过匹配矩阵实现两幅图像匹配.实验验证了该算法能够降低匹配的时间复杂度和获得较高的匹配精度.     

基于改进遗传算法的影像中心布局优化方法

针对影像中心现有布局优化方法自动化水平低、受个人主观意愿影响较大等问题,提出运用系统布置方法(systematic layout planning,SLP)和改进遗传算法相结合的方法对布局进行优化。利用SLP生成的布局方案改善遗传算法的初始种群,增加初始种群多样性;从遗传进化代数和个体适应函数值2个方面实现遗传参数自适应调节,提高其寻优效率。在西安某影像中心布置区域模型和多目标优化数学模型的基础上,运用改进后遗传算法对西安某影像中心布局优化问题进行了仿真实验。实验结果证明：该算法在求解影像中心布局优化问题时比传统遗传算法或蚁群算法速度更快、效果更好。提高了影像中心布局优化的自动化水平,为建筑设计人员提供合理的参考方案。     

一种基于双向动态规划的立体匹配算法

提出了一种利用双向动态规划和视差可靠性准则的立体匹配算法.首先,提出了一种新的全局能量函数,它解决了扫描线间的不连续性,同时保护了的视差不连续边缘;其次,利用加强顺序约束和遮挡约束的双向动态规划方法来处理遮挡;最后,在利用三个可靠性准则去除伪视差点之后,使用可移动窗口方法填充伪视差点的视差获得稠密视差图.实验结果表明,该算法在深度不连续区域和大的无纹理区域均能取得很好的匹配效果.     

基于曲波和Markov模型的新型立体匹配算法

曲波变换是继小波变换后的一种新型的多尺度分析方法,它能够更好的描述图像中曲线状和超平面的奇异性问题,把曲波变换系数作为图像匹配中的基元,并结合图像分割原理和马尔可夫随机场(MRF)模型,提出了一种新的图像匹配算法,它克服了基于图像灰度的匹配方法在平滑区域或细节匮乏处无法得到正确视差的弊端,并使得视差图在物体内部平滑并保持边缘处的不连续性.实验结果表明,提出的算法无论从视觉评价上还是视差图客观指标来看,都取可得了更优的结果.