基于分段混合蛙跳算法的旅行商问题求解

针对旅行商问题(TSP)在搜索后期解的多样性和精度下降的问题,提出一种解决TSP问题的分段混合蛙跳算法(S-SFLA)。该算法在搜索初期利用逆转变异算子减少交叉路径,在搜索的后期引入邻域搜索(个体邻域,局部最优领域,全局最优邻域)增加种群多样性。在整个搜索过程中记忆全局历史最优解与局部历史最优解,进行全局更新和局部更新,避免迂回搜索。在局部更新中,每一个青蛙都有机会得到更新。实验结果表明,与遗传算法、蚁群算法、基本蛙跳算法相比,S-SFLA算法在求解中等规模的TSP问题上具有更快的搜索速度和更高的求解精度。     

覆盖粗糙集的图表示和2-部矩阵

通过图论和矩阵理论研究覆盖粗糙集。首先提出覆盖的关联二部图,一个覆盖的任意两个关联二部图都是同构的,进而从图论的角度给出一类覆盖近似算子的等价描述;然后给出二部图的2-部矩阵的定义,通过一个覆盖的关联二部图的2-部矩阵,既可以判断出这个覆盖是不是一元覆盖,又可以求出这个覆盖中的可约元;最后,研究划分对应的2-部矩阵的特点。     

一种改进的小波域图像修复算法

针对全变分小波图像修复算法在平滑区易产生阶梯效应并且噪声抑制不充分的缺陷,提出一种新颖的小波域图像修复模型。通过优化一个全变分和图像梯度的二范数的能量泛函来实现小波域的图像修复,使得在去除噪声的同时较好地保留了图像的边缘,在平滑区域削弱了阶梯效应,并利用有限差分法对所建立的扩散方程进行数值求解。实验结果表明:所提方法对于不同丢失比例的图像以及噪声图像都取得了较好的修复效果,尤其当小波系数丢失率较高时更为明显。     

一种改进 Hough 变换的车道线检测算法*

对基于单目视觉的车道线检测技术进行研究,针对复杂环境中车道线检测易受图像中其它直线段的影响而出现较多误检测的问题,提出一种改进算法。首先将车道线图像灰度化,采用中值滤波去除图像噪声;再次,采用Canny算子和OTSU方法进行边缘增强和图像二值化;最后,使用改进的Hough变换进行车道线检测。实验结果表明,该方法可以有效地滤除其它直线段的影响,在复杂环境中获得良好的车道线检测效果。     

基于OpenCv的车道标识线检测识别算法的研究

由于路面结构、光照变化、阴影等因素的影响,传统的道路标识线的识别算法常常会出现道路标识线识别不准确的现象。针对这种情况,提出基于Open Cv的车道标识线检测识别算法。算法首先先对原始图像进行平滑处理和中值滤波处理,去除周围环境的影响,再使用canny算子进行边缘检测,得到车道标识线基本轮廓,最后再进行图像的二值化分割和Hough变换得到车道标识线参数。实验结果表明,该方法通过一系列的变换和处理后,能够消除路面结构、光照变化、阴影等的影响,清晰准确地识别出道路标识线,具有很好的准确性、鲁棒性和可靠性。     

用于复杂环境下的疲劳检测系统人眼检测方法

针对光照、眼镜等对驾驶员人眼检测的影响,提出采用霍夫变换和神经网络分类器进行人眼检测.通过应用虹膜几何信息和对称性,选择可能包含人眼的两个候选区域.运用边缘检测算子和 MAE 进行人眼粗定位.然后在此基础上采用B-P神经网络进行人眼精确定位.针对三种不同情况,即不同光照、不同背景和不同肤色的人拍摄6组视频图像,采用matlab7.0进行3组仿真实验,实验结果表明该算法对复杂情况的人眼检测具有较强的鲁棒性.大大提高人眼检测准确率.     

基于边界信息的结构光编解码方法

针对传统结构光编解码算法在处理有遮挡、阴影的光栅条纹时会导致错误的解码,且得到的不同编码值条纹会出现重叠现象的问题,通过采用改进的Canny算子提取黑白条纹之间的边界,提出一种基于边界信息的结构光精确编解码算法.根据结构光条纹图像的特点对Canny算子进行改进,使其适用于条纹边界精确提取.在结构光编解码方法中,首先建立描述结构光图像序列条纹边界的编解码二叉树,然后设计边界定位和解码算法来求解未知边界的编码值,再构造边界匹配算法来消除不同编码值条纹部分重叠的问题,最后实现对由于遮挡、阴影引起的断开边界的解码.实验结果表明,该算法对条纹进行解码的精度更高、误判率更低,并且对形状复杂的物体的条纹图像具有较好的抗干扰性.     

基于区域特征分析的层级有序码书目标检测算法

针对原码书算法在检测中码字匹配效率低以及在复杂背景下检测精确度差的问题, 提出了一种基于区域特征分析的层级有序码书目标检测新算法。首先, 利用一种新颖的“码书—码章—码字”三级结构用以精确划分码书, 在优化了码字参数之后, 将码字按访问频度进行排序并组织成定长列表。实验数据表明, 该优化策略显著地提高了算法的实时性。其次, 提出一种基于局部方向模式的运动边缘标记法, 较好地克服了噪声的影响, 并准确而完整地获取了运动物体的边缘信息。最后, 将运动边缘轮廓区域与码书区域融合, 得到了准确的运动目标。算法在时间域和空间域构建了一个能精确反映运动目标本质属性的立体模型, 经实验验证, 本算法在有随机噪声及光照变化影响的场景中, 仍有较高的识别率和较好的鲁棒性。     

基于GPU的快速色阶映射算子实现

为了提高色阶映射计算的效率,设计了基于GPU的快速色阶映射算法.首先结合基本规约算法和GPU的并行运算特征设计了基于两个核函数的最大亮度计算方法,然后通过区域中间值共享计算以像素为中心的区域平均亮度,最后针对视屏处理,提出利用纹理缓存池解决CPU读数据和GPU处理数据速度不匹配的问题,并根据像素子集最大亮度自适应地更新全局最大亮度.实验结果相对相同算法的CPU实现得到了4～5倍的速度提升,表明所提出的算法能够充分利用GPU的并行性,并减少了大量重复运算,满足实时渲染的要求,并且对不同规模的纹理具有良好的适应性.     

基于稀疏表示的信号DOA估计

将信号DOA的估计问题转换为一个联合稀疏表示的求解问题.通过对接收数据矩阵的奇异值分解实现各时间和频率快拍数据的联合;然后通过求解一个平滑l0范数稀疏约束的联合优化问题实现信号源DOA的估计.基于稀疏表示的信号DOA估计方法不仅能够有效地减少数据量,而且具有以下优点:更好的抗噪声性能、更高的计算效率、适用于相关和非相关信号.通过与其他DOA估计方法的比较,表明了该方法的有效性和优越性.