基于N阶近邻分析的自适应差分进化算法

针对差分进化算法在求解多模优化问题解可靠性较低的问题,在N阶近邻理论分析及参数整定的基础上,提出一种基于N阶近邻分析的自适应差分进化算法（N--NNADE）.N--NNADE算法在缺少先验知识的情况下,通过分析群体个体间的N阶最短近邻计算种群的全局分布,并利用阶跃信息自适应统计获得种群数量;同时采用K--means算法划分种群,进一步引入不同种群间的交叉变异思想以及父子代同种群则替换最差个体的选择策略实现种群间的协同进化.通过获取更多的全局最优解和部分高质量的局优解来提高算法的可靠性.20个优化问题的数值研究结果表明N--NNADE算法具有比DE（differential evolution）,DERL（differential evolution algorithm withrandom localizations）,ADE（adaptive differential evolution）算法更适合求解复杂的高维多模优化问题.     

基于神经网络的多源融合室内定位算法

针对WiFi信号在室内复杂环境下不稳定以及建筑物对地磁场的扭曲作用造成单一定位源定位精度不高的问题, 本文采用多源信息融合定位技术, 有效利用WiFi和地磁场的指纹数据来进行定位, 提出了一种改进的自适应差分进化算法来优化BP神经网络(improved differential evolution BP, IDEBP). 该方法通过改进差分进化算法的变异、交叉和选择操作来优化BP神经网络的权值和偏差, 有助于BP模型更好地学习WiFi和地磁场指纹数据的特征. 仿真结果表明, IDEBP算法能大大提高室内指纹定位的精度.     

最小方差搜索圆心的快速虹膜定位算法

为了改善虹膜识别的实时性,提出一种新的快速虹膜定位方法。首先对虹膜图像进行去噪处理,然后采用类间方差法对图像进行阈值分割,再运用投影方法粗略得到虹膜内边缘圆心和半径,最后根据粗定位得到内边缘圆周参数,采用所提出的算法对虹膜内边缘进行精定位;对于外边缘定位,依据先验知识以及内边缘圆周参数去掉虹膜图像多余的边缘点及噪声点,缩小搜索范围,然后采用同样的算法对外边缘进行精定位。实验结果表明,该方法能够准确快速的定位出虹膜内外边缘,定位速度较传统算法提高了十倍左右,并且减少了传统定位算法搜索的盲目性。     

差分演化的收敛性分析与算法改进

为了分析差分演化(differential evolution,简称DE)的收敛性并改善其算法性能,首先将差分算子(differential operator,简称DO)定义为解空间到解空间的笛卡尔积的一种随机映射,利用随机泛函理论中的随机压缩映射原理证明了DE的渐近收敛性;然后,在"拟物拟人算法"的启发下,通过对DE各进化模式的共性特征与性能差异的分析,提出了一种具有多进化模式协作的差分演化算法(differential evolution with multi-strategy cooperating evolution,简称MEDE),分析了它所具有的隐含特性,并在多模式差分算子(multi-strategy differential operator,简称MDO)定义的基础上证明了它的渐进收敛性.对5个经典测试函数的仿真计算结果表明,与原始的DE,DEfirDE和DEfirSPX等算法相比,MEDE算法在求解质量、适应性和鲁棒性方面均具有较明显的优势,非常适于求解复杂高维函数的数值最优化问题.     

广义逆向学习方法的自适应差分算法

针对差分算法(differential evolution,DE)在解决高维优化问题时参数设置复杂、选择变异策略困难的现象,提出了广义逆向学习方法的自适应差分进化算法(self-adaptive DE algorithm via generalized opposition-based learning,SDE-GOBL)。利用广义的逆向学习方法(generalized opposition-based learning,GOBL)来进行多策略自适应差分算法(Self-adaptive DE,Sa DE)的初始化策略调整,求出各个候选解的相应逆向点,并在候选解和其逆向点中选择所需要的最优初始种群,然后再进行自适应变异、杂交、选择操作,最后通过CEC2005国际竞赛所提供的9个标准测试函数对SDE-GOBL算法进行验证,结果证明该算法具有较快的收敛速度和较高的求解精度。     

差分演化的收敛性分析与算法改进

为了分析差分演化(differential evolution,简称DE)的收敛性并改善其算法性能,首先将差分算子 (differential operator,简称DO)定义为解空间到解空间的笛卡尔积的一种随机映射,利用随机泛函理论中的随机压缩 映射原理证明了DE 的渐近收敛性;然后,在“拟物拟人算法”的启发下,通过对DE 各进化模式的共性特征与性能差 异的分析,提出了一种具有多进化模式协作的差分演化算法(differential evolution with multi-strategy cooperatingevolution,简称MEDE),分析了它所具有的隐含特性,并在多模式差分算子(multi-strategy differential operator,简称 MDO)定义的基础上证明了它的渐进收敛性.对5 个经典测试函数的仿真计算结果表明,与原始的DE,DEfirDE 和 DEfirSPX 等算法相比,MEDE 算法在求解质量、适应性和鲁棒性方面均具有较明显的优势,非常适于求解复杂高维 函数的数值最优化问题.     

虹膜图像中的闭眼检测方法

在远距离、运动中采集到的虹膜图像库中包含了闭眼虹膜图像,一种检测闭眼虹膜图像的方法被提出用于提取这些虹膜图像。该方法使用圆的积分微分算子确定闭眼虹膜图像的候选图像,使用直方图分析将候选图像进行二值化,采用边缘检测和连接、图像膨胀和最小二乘拟合等技术拟合抛物线,通过抛物线开口方向判断该图像是否为闭眼虹膜图像。在UBIRIS.v2虹膜数据库中进行了实验,结果表明,检测闭眼虹膜图像方法的使用提高了虹膜分割算法的效果。     

基于几何特征的虹膜定位算法

利用虹膜边缘的几何特征及圆相交弦的性质提出了虹膜定位算法.根据瞳孔、虹膜、巩膜的灰度变化,建立虹膜图像直方图,确定阈值进行虹膜内边缘定位;再用形态学算法与新的Hough变换相结合来进行虹膜图像外边缘的定位,确定外圆圆心及半径.通过仿真结果表明本方法实时性能较好,能较好地实现内外边缘的定位.     

基于最小二乘法与霍夫变换的虹膜定位算法

为解决定位虹膜内外边缘时因轮廓信息不足会出现的定位不准确或者失败问题,提出一种采用霍夫变换与最小二乘法相结合的定位算法。首先使用形态学开操作减少图像中孤立的小点,并利用自适应阈值算法二值化图像;然后使用形态学闭操作补充小缝隙平滑图像边缘,再利用Canny算法提取图像边缘信息;最后根据内边缘与外边缘的差异性分别使用霍夫变换和最小二乘法定位虹膜内外边缘。经实验对比分析,该方法与传统算法相比,能更快速、准确地定位虹膜。     

资源约束项目的改进差分进化参数控制及双向调度算法

针对资源约束项目调度组合优化难题,提出一种改进的动态差分进化参数控制及双向调度算法.通过参数时变衰减与个体优劣评价,自适应控制个体进化参数,提高算法的收敛性能、勘探与开发最优解的能力;基于动态差分进化(Dynamic differential evolution, DDE),提出一种双向调度算法,使用满足任务时序约束的优先数编码、交替正向反向调度,结合标准化编码调整与精英保留的种群随机重建策略,建立了一种高效稳健的双向编码调整机制.通过著名的项目调度问题库(Project scheduling problem library, PSPLIB)中实例集测试,并与其他文献算法比较最优解平均偏差率,验证了所提算法的有效性与优越性.     

结合形态学的Hough变换虹膜定位改进算法

虹膜定位是在虹膜图像中确定虹膜的内外边界,是虹膜识别过程的首要环节。Hough变换是虹膜定位的经典算法,但对原始图像质量要求高,算法运算时间长。依据人眼图像的灰度特性,结合形态学处理提出一种改进的Hough变换定位新算法。对图像进行灰度二值化运算后进行形态学处理分离出瞳孔,结合Sobel算子边缘检测出瞳孔边界点,通过最小二乘法拟合定位出虹膜内边界;在先验知识和形态学处理的基础上对图像进行Hough变换,定位出虹膜的外边界。实验表明所提出的算法性能比传统Hough变换有较大提高,可用于实际虹膜识别的预处理过程中。     

An improved differential evolution algorithm for the task assignment problem

An improved differential evolution algorithm (IDE) is proposed to solve task assignment problem. The IDE is an improved version of differential evolution algorithm (DE), and it modifies two important parameters of DE algorithm: scale factor and crossover rate. Specially, scale factor is adaptively adjusted According to the objective function values of all candidate solutions, and crossover rate is dynamically adjusted with the increasement of iterations. The adaptive scale factor and dynamical crossover rate are combined to increase the diversity of candidate solutions, and to enhance the exploration capacity of solution space of the proposed algorithm. In addition, a usual penalty function method is adopted to trade-off the objective and the constraints. Experimental results demonstrate that the optimal solutions obtained by the IDE algorithm are all better than those obtained by the other two DE algorithms on solving some task assignment problems.     

Modified differential evolution algorithm for contrast and brightness enhancement of satellite images

Satellite images normally possess relatively narrow brightness value ranges necessitating the requirement for contrast stretching, preserving the relevant details before further image analysis. Image enhancement algorithms focus on improving the human image perception. More specifically, contrast and brightness enhancement is considered as a key processing step prior to any further image analysis like segmentation, feature extraction, etc. Metaheuristic optimization algorithms are used effectively for the past few decades, for solving such complex image processing problems. In this paper, a modified differential Modified Differential Evolution (MDE) algorithm for contrast and brightness enhancement of satellite images is proposed. The proposed algorithm is developed with exploration phase by differential evolution algorithm and exploitation phase by cuckoo search algorithm. The proposed algorithm is used to maximize a defined fitness function so as to enhance the entropy, standard deviation and edge details of an image by adjusting a set of parameters to remodel a global transformation function subjective to each of the image being processed. The performance of the proposed algorithm is compared with ten recent state-of-the-art enhancement algorithms. Experimental results demonstrate the efficiency and robustness of the proposed algorithm in enhancing satellite images and natural scenes effectively. Objective evaluation of the compared methods was done using several full-reference and no-reference performance metrics. Qualitative and quantitative evaluation results proves that the proposed MDE algorithm outperforms others to a greater extend.     

Improving the performance of differential evolution algorithm using Cauchy mutation

Differential evolution (DE) is a powerful yet simple evolutionary algorithm for optimization of real-valued, multimodal functions. DE is generally considered as a reliable, accurate and robust optimization technique. However, the algorithm suffers from premature convergence and/or slow convergence rate resulting in poor solution quality and/or larger number of function evaluation resulting in large CPU time for optimizing the computationally expensive objective functions. Therefore, an attempt to speed up DE is considered necessary. This research introduces a modified differential evolution (MDE) that enhances the convergence rate without compromising with the solution quality. The proposed MDE algorithm maintains a failure_counter (FC) to keep a tab on the performance of the algorithm by scanning or monitoring the individuals. Finally, the individuals that fail to show any improvement in the function value for a successive number of generations are subject to Cauchy mutation with the hope of pulling them out of a local attractor which may be the cause of their deteriorating performance. The performance of proposed MDE is investigated on a comprehensive set of 15 standard benchmark problems with varying degrees of complexities and 7 nontraditional problems suggested in the special session of CEC2008. Numerical results and statistical analysis show that the proposed modifications help in locating the global optimal solution in lesser numbers of function evaluation in comparison with basic DE and several other contemporary optimization algorithms.     

Reliable algorithm for iris segmentation in eye image

The paper presents a novel algorithm for iris segmentation in eye images taken under visible and near infrared light. The proposed approach consists of the following stages: reflections localization, reflections filling in, iris boundaries localization and eyelids boundaries localization. Here, each of these stages is detailed. Authors’ solution obtained the second rank in the “Noisy Iris Challenge Evaluation – Part I” contest, in which all iris segmentation algorithms submitted to the contest were evaluated and compared.     

改进的曲率滤波强噪声图像去噪方法

目的 医学影像获取和视频监控过程中会出现一些恶劣环境,导致图像有许多强噪声斑点,质量较差。在处理强噪声图像时,传统的基于变分模型的算法,因需要计算高阶偏微分方程,计算复杂且收敛较慢;而隐式使用图像曲率信息的曲率滤波模型,在处理强噪声图像时,又存在去噪不完全的缺陷。为了克服这些缺陷,在保持图像边缘和细节特征的同时去除图像的强噪声,实现快速去噪,提出了一种改进的曲率滤波算法。方法 本文算法在隐式计算曲率时,通过半窗三角切平面和最小三角切平面的组合,用投影算子代替传统曲率滤波的最小三角切平面投影算子,并根据强噪声图像存在强噪声斑点的特征,修正正则能量函数,增添局部方差的正则能量,使得正则项的约束更加合理,提高了算法的去噪性能,从而达到增强去噪能力和保护图像边缘与细节的目的。结果 针对多种不同强度的混合噪声图像对本文算法性能进行测试,并与传统的基于变分法的去噪算法（ROF）和曲率滤波去噪等算法进行去噪效果对比,同时使用峰值信噪比（PSNR）和结构相似性（SSIM）作为滤波算法性能的客观评价指标。本文算法在对强噪声图像去噪处理时,能够有效地保持图像的边缘和细节特征,具备较好的PSNR和SSIM,在PSNR上比ROF模型和曲率滤波算法分别平均提高1.67 dB和2.93 dB,SSIM分别平均提高0.29和0.26。由于采用了隐式计算图像曲率,算法的处理速度与曲率滤波算法相近。结论 根据强噪声图像噪声特征对曲率滤波算法进行优化,改进投影算子和能量函数正则项,使得曲率滤波算法能够更好地适用于强噪声图像,实验结果表明,该方法与传统的变分法相比,对强噪声图像去噪效果显著。     

数据驱动选择策略的多目标差分进化算法

针对多目标差分进化算法求解复杂多目标优化问题时,最优解选择策略中非支配排序计算复杂度高的问题,提出一种数据驱动选择策略的多目标差分进化(MODE-DDSS)算法.首先,设计多目标差分进化算法的优化解排序等级评估准则,建立基于评估准则的优化解排序等级评估库;其次,设计基于优化解双向搜索机制和无重复比较机制的数据驱动选择策略,实现优化解的高效搜索和快速排序;最后,构建数据驱动选择策略的多目标差分进化算法,降低算法在最优解选择操作中的时间复杂度,提高算法的寻优效率.实验结果表明,所提出的MODE-DDSS算法能够有效减少最优解在选择过程中的比较次数,提升多目标差分进化算法解决复杂多目标优化问题的寻优效率.     

求解混合整数非线性规划问题的改进差分进化算法

针对混合整数非线性规划问题的特点,在差分进化算法的变异操作中加入取整运算,提出了一种适合于求解各种混合整数非线性规划问题的改进差分进化算法.同时,采用时变交叉概率因子的方法以提高算法的全局搜索能力和收敛速率.用四个典型测试函数进行了实验研究,实验结果表明,改进的差分进化算法用于求解混合整数非线性规划问题时收敛速度快,精度高,鲁棒性强.     

一种基于圆几何特征的虹膜定位算法

虹膜定位是虹膜识别中基础性环节,其精度和速度决定了虹膜识别系统的性能,为提高虹膜定位的速度,提出一种基于圆几何特征的虹膜内边缘定位算法,利用内外边缘中心的耦合特性缩小微积分方法搜索外边缘的范围。试验结果表明,与经典虹膜定位算法相比,本算法快速、精确、鲁棒。     

基于Adaboost算法的虹膜合格状态检测

虹膜图像的采集是业界公认的难点,也是制约虹膜识别广泛应用的主要原因。怎样快速方便地采集到一幅清晰度足够并且有丰富纹理的高质量虹膜图像,对虹膜识别的速度和准确度都起着至关重要的作用。提出了一种基于Adaboost的虹膜图像合格状态检测和定位算法,能够快速有效地一次性检测出虹膜图像采集中的各种不合格图像,例如图像中没有完整眼睛、眼睛睁开程度不够、闭眼、斜视、运动模糊等。大量实验结果表明,该算法具有较好的检测准确率,对各种干扰情况有较强的鲁棒性,并且检测速度快,能够达到实时要求。对于检测合格的图像,还可以大致定位出虹膜在图像中的位置,为后续的虹膜定位节省时间。