三维光弹数据的采集及处理

本文介绍用数字图象处理技术解决三维光弹数据采集及处理的一种方法,重点在于介绍所用的数字图象处理及分析算法。文中介绍了两种数据采集方法,给出了由这两种方法得到的结果,并把这两个结果与传统方式采集数据得到的结果进行比较。比较结果三者相当吻合,从而表明了数字图象处理技术在三维光弹数据的采集和计算方面的巨大潜力。     

基于在线Boosting和LK光流的视频跟踪算法

为了克服现实环境中光照、遮挡、相似物体干扰等因素对在线跟踪算法的影响,提出了一种鲁棒的在线学习视频跟踪算法。该算法结合了半监督Boosting和多实例学习Boosting各自的优点,较好解决了Boosting的漂移现象,同时用Boosting做检测器、金字塔LK光流做跟踪器,二者结合,克服了光流算法在跟踪过程中丢失目标不能继续跟踪的问题。实验证明,基于在线Boosting和LK光流的视频跟踪算法具有较好的鲁棒性,且满足实时性要求。     

结合光流法与最近邻算法的运动目标检测

运动目标检测具有广泛的理论和现实意义,光流法是检测运动目标的重要方法之一。但是用于运动目标检测的光流算法却有着计算量大、处理复杂的问题。一种聚类分析算法和改进的LK光流法相结合检测方案可以很好地解决此类问题。对基于改进的LK光流法的运动目标检测算法进行了分析和仿真,再加以聚类分析使得检测出的运动目标更加准确。首先对图像序列进行采样与预处理,并利用LK光流法计算得出相邻帧图像的光流场,然后再利用最近邻聚类算法对得到的光流场进行处理,进而检测出图像中的运动目标,最后使用Matlab软件进行算法程序验证。通过实验可知,基于金字塔LK光流法与最近邻算法的运动目标检测方案可以更加有效地检测出运动物体。     

NGI中的一种禁忌-递阶遗传QoS组播路由算法

设计了NGI主干网重要组网形式IP/DWDM光Internet中一种非NP类QoS(quality of service)组播路由算法,基于禁忌-递阶遗传算法(tabu-hierarchy genetic algorithm,THGA)构造优化的QoS组播路由树·该算法模拟生物繁衍过程,采用递阶编码方式,引入禁忌交叉和禁忌变异两种禁忌算子改进遗传操作,综合考虑了用户QoS需求和网络费用,同时有助于实现网络负载平衡·仿真结果表明,所设计的算法是可行和有效的,它在一定程度上克服了基于经典遗传算法的QoS组播路由算法存在的早熟和收敛慢等问题,提高了算法性能,较好地解决了IP/DWDM光Interne...     

用模拟退火算法解决光网络中静态受限路由的最小费用问题

分析了用模拟退火算法解决静态受限路由问题.实验结果表明,利用模拟退火算法进行光网络的优化是一种比较可行的方法.     

一种双种群进化集成QoS组播路由算法

设计了一种IP/DWDM光Internet中的非NP类QoS组播路由算法,采用树形编码方式,基于双种群进化,寻找一棵带宽、延迟、延迟抖动与出错率受限的费用优化组播路由树,集成解决路由与波长分配问题.仿真结果表明,该算法是可行和有效的,不仅能够满足QoS约束,而且性能优于基于经典遗传算法设计的QoS组播路由算法,克服了算法易早熟、收敛慢等缺点,有效地解决了IP/DWDM光Internet中的QoS组播路由问题.     

Steger算法在运动鞋底表面光条图像中心提取的应用

为了解决运动鞋生产过程光条在粗糙的鞋底表面产生的光斑以及光条宽度变化而带来光条图像的中心提取缺失的问题,提出一种适用于运动鞋底表面光条图像中心的提取算法。在最大类间差法(Otsu)的基础上引入了模板内像素灰度均值和其他像素灰度的差值阈值,从而有效分割出光条图像的光斑区域。采用Canny算子提取光条图像的边缘和宽度,并根据光条图像的宽度来改变Steger算法中高斯滤波核的大小。试验结果表明,所提算法可以准确分割运动鞋底表面的光条图像光斑,并快速提取鞋底表面光条的中心,解决因光条宽度变化而导致光条图像的中心提取失败的问题。     

面向非结构化道路的特征光流检测

道路环境中的视觉障碍检测是智能车辆导航的一大难题,光流检测算法则为解决该难题提供了有效的途径。提出了一种复合特征光流检测算法,借助于不同类型局部特征的检测与匹配,通过图像分割发现感兴趣区域,通过光流检测为该区域的可通行性判定提供决策依据。与传统光流检测方法的对比实验证明了算法的有效性。     

一种基于TLD改进的视觉跟踪算法

视觉跟踪是当前计算机视觉的热点问题之一。TLD(Tracking Learning Detecting)算法是一种可以在线学习的新颖视觉跟踪算法。针对算法中跟踪器采用的LK光流法无法捕捉大幅度运动目标的问题,引入图像金字塔模型,提出一种采用金字塔光流法的TLD的改进算法,解决了长时间跟踪中出现运动尺度过大时产生孔径的问题。实验结果表明,算法在复杂场景和大运动条件下,可以长时间准确、快速地实现视觉跟踪,具有较强的适应性和有效性。     

光流场估计算法的优化分析

运动估计一直是视频处理领域的核心课题之一 ,而基于Horn和Schunk所提出的光流基本约束方程的光流场估计类算法是图像运动估计的一类重要算法。从由于缺少约束而事实上并不完备的光流基本约束方程出发 ,人们提出了各种光流计算方法 ,从算法约束条件上分为全局优化和局部优化两类。本文将对各类算法进行比较 ,归纳出其思路发展轨迹。同时 ,本文将选取一种基于区域平滑约束的光流场估计算法进行分析 ,该算法性能较为稳定 ,且适合于处理多层图像元素并存的场景     

遗传算法在数据挖掘中的应用

本文对数据挖掘进行了概述,阐明了数据挖掘的概念、方法及其重要性。其次介绍了数据挖掘中的一个重要算法——遗传算法。对遗传算法的产生与发展以及主要理论等进行了简要的介绍,提出了基于遗传算法的关联规则的提取方法。最后结合实例给出了用遗传算法进行关联规则的挖掘方法。     

两类线性系统的两个优化算法

在没有任何假设的条件下研究一般线性等式与不等式组和带广义界的线性等式的求解，利用最优化方法的思想建立了两个算法．方法仅需计算一个投影矩阵，迭代步长恒等于１．证明了这两个算法较强的整体收敛性     

带相关噪声多传感器系统的事件触发贯序和分布式融合估计

对带相关噪声的多传感器系统,研究了事件触发的贯序和分布式融合估计算法.不同传感器之间的观测噪声同时刻相关,并与过程噪声一步相关.为了节省通信能耗,采用了事件触发传输机制,该机制依赖于每个传感器当前的观测值和上一个触发时刻的观测值.在事件触发条件下,提出了在线性最小方差意义上的最优贯序融合和分布式融合估计算法.所提出的贯序融合算法可以根据传感器观测数据到达滤波器的顺序进行实时处理,具有较小的计算负担.所提出的分布式融合算法可以对传感器观测数据进行并行处理,具有更好的可靠性.两种算法与事件触发集中融合算法具有相同的估计精度.仿真结果验证了算法的有效性.     

基于Spark的地震数据重建方法的并行化

地震勘探技术发展早已进入TB(terabytes)级数据时代,并逐步迈向PB(petabytes)级。为提升海量数据处理效率,将地震数据处理算法进行并行化是一种广泛采用的手段。但是一些复杂度较高的算法,诸如地震数据重建类方法等,并行化难度较大,加速效果不理想。Spark作为一种面向大数据处理的通用分布式并行计算技术,可以应用于并可简化地震数据处理算法并行化过程。借助于Spark的优势,通过两个实例讨论了基于Spark的地震数据重建并行化方法,提出了对于具有复杂输入输出组织数据方式的算法的并行化方法,提升了算法效率。研究成果为该类算法的Spark并行化开发提供了有益借鉴。     

带状Toeplitz方程组的解

本文提出求解带状 Toeplitz 线性方程组的一种新方法.其计算复杂度为O(n(p+q)),而不是一般 Toeplitz 方程组的算法的 O(n~2).这里,n 是方程的阶,p 和 q 分别是上和下半带宽.此外,该方法比用一般的带状 LU 分解方法既节省运算量,也少用计算机存贮.     

多Transputer系统上的一种改进的并行消隐算法

该文讨论了三维物体隐面消除的并行处理问题。在对串行算法进行深入研究，并根据并行化的需要进行适当修改的基础上，给出了一类改进的ＭＩＭＤ并行浓度缓冲器算法，并在多Ｔｒａｎｓｐｕｔｅｒ系统上实现。文中还对有关算法的效率进行了比较，算例表明实际效率与理论分析相符。     

关系型数据库BOM表的遍历算法的改进及实现

定义了单层BOM和多层BOM树的结构,并总结了实际运用中的多级型BOM遍历的两种基本算法:递归查找法、分层查找法.在介绍这两种算法的原理和对其速度、资源占用、实用性进行评价的基础上,提出了一种综合以上两种算法的优点,且适合普遍使用的关系型数据库存储的改进的多级型BOM遍历算法,使该改进算法包含速度快、资源占用低、实用性高的优点.同时详细介绍了此算法的软件实现,并且在实际的运用中取得了明显的效果.     

基于拓扑聚类的密度聚类算法研究

聚类分析是重要的数据挖掘方法,在商务智能、地理信息系统、医学等方面有广泛的应用.随着聚类分析的蓬勃发展,涌现出了许多聚类算法,其中最重要的算法之一是基于密度的空间聚类以及其多种变种——基于密度连通链、基于加权密度、基于引力连通集合的算法.这些算法在概念上相似但没有统一的描述.本文针对基于密度的空间聚类及其变种提出了拓扑的概念.给出了聚类拓扑结构的定义,把簇定义为拓扑连通集合.此外,本文运用全新的拓扑思想改进典型的算法,提出了一种拓扑聚类的新算法.实例证明此算法有效.     

全局智能优化集成算法研究

针对遗传算法、模拟退火算法等智能全局优化算法的集成问题开展研究,分析归纳了智能全局优化算法和局部搜索算法的一般规律和特性,给出了全局智能优化算法进行集成的统一框架--全局智能优化集成算法(IGIOA),及IGIOA的设计要素,还给出了评价算法的优化性能指标、时间性能指标、鲁棒性能指标,以及将三指标综合的综合性能指标,为智能集成算法的选取和性能比较提供了依据.     

基于改进遗传算法的控制器参数优化

针对标准遗传算法易发生成熟前收敛和收敛速度过慢的缺点,提出了保护优秀个体、引入外来移民以及采用自适应交叉和变异算子等改进策略.综合分析了它们对算法收敛性的影响.应用改进遗传算法对PID控制器参数进行优化设计,并与传统的ZN法、简单遗传算法进行比较,仿真结果表明控制系统的时域性能指标有极大改善.