基于高清网络摄像机的自动聚焦算法

针对传统的聚焦评价函数运算量大、峰值搜索算法易受干扰且视频质量反复变化的问题,实现一种较传统聚焦评价函数与爬山算法相结合的聚焦算法更好的自动聚焦算法.采用TI公司的TMS320DM368处理器自带的自动聚焦(AF)引擎作为硬件实现的聚焦评价函数;采用的峰值搜索算法将聚焦曲线分为聚焦区和散焦区,在散焦区使用大步长的GM(1,1)模型预测搜索方向,在聚焦区使用小步长的爬山算法搜索峰值.实验结果表明,该算法拥有更好地实时性与准确性,适用于高清网络摄像机的自动聚焦.     

显微视觉系统中自动聚焦算法的研究

针对自动聚焦过程中的聚焦评价函数、聚焦窗口、搜索算法进行了研究。首先改进了Robert函数增加了聚焦评价函数的陡峭度;其次针对固定聚焦窗口无法准确找到聚焦物体的缺点,提出了一种动态选择聚焦窗口的方法,该方法将图像分块,利用不同子块的梯度变化程度区分物体和背景,该方法更具适应性;进而提出了大步长和小步长相结合的爬山搜索算法,经过改进后的爬山搜索算法能更准确地找到焦平面;最后通过自行研发的显微视觉系统验证了所提自动聚焦方案的有效性。     

基于离焦量差异定性分析的自动对焦方法

为了改善在某些场景中由于聚焦评价函数非单峰性而造成爬山搜索方法正确率降低、误差增大的问题,设计了一种基于离焦量定性差异度量的自动对焦方法。首先,利用基于空间域的卷积/去卷积变换计算对焦过程中两个不同调焦位置的两幅图像中对应点的离焦量差异值;接着,采用投票策略得出这两幅图像的离焦量差异定性度量;然后,根据离焦量差异定性度量确定对焦搜索方向;最后,按照变步长策略逐渐缩小搜索范围和搜索步长,直至在步长为1时找到合焦位置。在由18倍光学变焦的监控摄像机上采集的3个图像序列上展示了该方法与其他两种典型的基于聚焦评价函数的爬山自动对焦方法的对比,实验结果表明:所提方法在保持爬山搜索法快速、行程比较少等优点的同时,明显提高了在聚焦评价函数单峰性不良的场景中的正确率,降低了误差量,很好地解决了局部极值对于爬山搜索法的影响。     

分段变步长MPPT算法在风力发电系统中的应用

针对传统定步长爬山搜索(HCS)法在风力发电系统最大功率跟踪(MPPT)控制过程中的快速性和准确性矛盾,提出了一种基于爬山搜索法和模糊控制的分段变步长MPPT算法.该算法根据发电机P-ω特性曲线对最大功率点(MPP)跟踪过程进行分段,使系统能够根据工作点所在的区域选择合适的跟踪算法和步长完成最大功率跟踪.在Matlab/Simulink中分别对提出的模糊分段变步长算法和传统爬山搜索法进行了仿真.仿真结果表明:所提算法明显地改善了系统跟踪MPP的速度和稳态精度,在MPPT方面明显优于传统的爬山搜索法.     

显微视觉系统对柱状微零件自动聚焦技术研究

针对显微视觉中的柱状物体图像的清晰度问题,提出了一种实时检测图像特征并跟踪特征区域进行自动聚焦的方法。该聚焦算法包括聚焦评价函数、聚焦搜索算法和聚焦区域选择。该聚焦搜索算法实现了显微视觉系统下快速准确的聚焦,克服了爬山搜索算法的缺点,有效避免搜索结果陷入局部极大值。显微视觉中对聚焦区域的选择尤为重要,以图像特征区域作为聚焦区域,实时检测该特征区域进行聚焦,实现了在景深小于柱状物体半径的情形下对柱状物体边缘的精确聚焦。粗聚焦后电机位置的标准差为205μm,精聚焦后电机位置的标准差为37μm。实验结果表明,该自动聚焦方法能够满足微装配系统对显微视觉的聚焦需求。     

岩石薄片显微图像的自动聚焦算法

岩石薄片显微图像在有较多的平坦背景区域且受到杂质和噪声干扰时,现有的聚焦算法极易出现自动聚焦失败。本文针对岩石薄片显微图像的相关特性,提出一种改进的Vollath函数清晰评价函数,该算法基于图像的互相关函数,可以有效抑制噪声、减少杂质干扰,再结合变步距渐进爬山算法实现岩石薄片显微图像的自动聚焦。大量实验表明,该算法基本可以满足实时性要求,并表现出卓越的单峰性和抗噪性,已在岩石薄片显微图像的自动聚集中进行实际应用。     

电子经纬仪系统中自动调焦爬山搜索算法的优化设计

电子经纬仪的自动调焦是仪器实现自动化的重要部分,自动调焦的过程就是镜头按照自动调焦搜索算法来回搜索调焦评价函数求最大值的过程,传统的爬山搜索算法会受到调焦评价函数局部极值的干扰而不能准确聚焦;介绍了一种改进的自动调焦搜索算法,在选择清晰度评价函数基础上,同时考虑图像的调制传递函数(Modulation Transfer Function,MTF),综合判断搜索方向,给出了优化算法的原理和实现;实验结果表明,改进的爬山式搜索算法中Brenner函数值的标准差为0.009 3,MTF值的标准差为0.003 9,平均用时为12s,能有效地排除局部极值干扰,使系统精确、可靠的调焦。     

优化爬山算法在直驱永磁风力发电系统中的应用

为了缩短爬山算法的计算周期,提高直驱永磁风力发电系统最大风能捕捉的响应速度,提出一种根据功率扰动寻求最大功率的优化爬山算法.该算法在变步长爬山算法盲目搜索的基础上添加数据存储输出功能,构造了与电机转速对应的最大输出功率表,避免重复的计算,同时结合功率反馈控制来实现系统最大功率追踪.运用MATLAB对该算法进行仿真验证,结果表明本文所述算法的响应速度和稳定性明显超过传统变步长爬山算法.     

一种改进的自动聚焦搜索算法及其实现

自动聚焦的过程就是镜头按照自动聚焦搜索算法来回搜索聚焦评价函数求最大值的过程。传统的爬山搜索算法会受到聚焦评价函数局部极值的干扰而不能准确聚焦,并且在大幅离焦状态下近聚焦缓慢。详细介绍了一种改进的自动聚焦搜索算法的原理和实现方法,它能有效地排除这种干扰,减少大幅离焦状态下近聚焦的时间,使系统可靠的聚焦。     

基于变步长蚁群算法的移动机器人路径规划

针对传统蚁群算法以及双层蚁群算法在路径规划中存在搜索效率低、收敛性较慢以及成本较高的问题,本文提出了变步长蚁群算法。该算法扩大蚁群可移动位置的集合,通过对跳点的选择以达到变步长策略,有效缩短移动机器人路径长度;初始化信息素采用不均匀分布,加强起点至终点直线所涉及到栅格的信息素浓度平行地向外衰减;改进启发式信息矩阵,调整移动机器人当前位置到终点位置的启发函数计算方法。试验结果表明:变步长蚁群算法在路径长度及收敛速度两方面均优于双层蚁群算法及传统蚁群算法,验证了变步长蚁群算法的有效性和优越性,是解决移动机器人路径规划问题的有效算法。     

基于自适应步长果蝇优化算法图像分割

为了解决大津法抗噪性能不佳和分割效率不足等问题,提出了一种自适应改进步长的果蝇优化算法,并对大津法图像分割阈值进行优化。根据浓度平均值变化率改变步长的果蝇优化算法,对传统的步长进行改进,前期升半柯西分布为指数变量,开始时均匀递增然后呈S状上升自适应增加步长。后期利用柯西分布容易产生远离原点的随机数作为指数的算子进行扰动,根据浓度平均值变化率自适应改变果蝇寻优步长,利于跳出局部最优解。实验证明,改进的算法在收敛速度和寻优精度上都取得了较好的结果,在对图像分割的应用中的效果也较优于其他算法。     

一种引入动量项的变步长LMS算法的研究

该文针对SVSLMS算法步长函数在误差e（n）接近零处不具有缓慢变化的缺点和MLMS算法由于采用固定步长使得在稳态阶段权值更新到期望值速度过慢的不足进行了讨论。通过更新SVSLMS算法步长函数和在权值调整式中增加动量项,该文提出了一种改进算法—SVS-MLMS算法。该算法具有步长函数在误差e（n）接近零处能够缓慢变化的优点,使得在白适应稳态阶段的步长稳定在最优值,进而使权值收敛到最佳。仿真结果证明该算法在学习曲线收敛速度加快和稳态误差减小方面取得了较好的效果。该文还讨论了算法中三个参数a,b,r的取值对算法收敛性能的影响,确定了它们的最优值。     

改进SVSLMS算法在系统辨识中的应用及性能分析

通过建立步长因子μ与误差信号e（n）之间的非线性函数关系,提出了一种改进的自适应可变步长最小均方（LMS）算法。该算法具有在误差e（n）接近0处缓慢变化的优点,克服了S函数变步长LMS算法在自适应稳态阶段μ取值偏大的缺点;具有初始阶段和未知系统时变阶段步长自动增大而稳态时步长很小的特点,解决了收敛时间和稳态误差的矛盾。将算法应用到系统辨识中,对比一般的变步长算法,改进的算法在平稳过程中具有更快的辨识速度和更小的稳态误差,同时还具有更好的跟踪时变系统的能力。     

蝙蝠算法在含DG配电网故障定位中的应用

针对分布式电源的大量应用与配电网结构的扩大,使故障定位开关函数的建立愈加复杂,传统算法的搜索速度与准确性亟待提高。通过建立改进的开关函数模型,能够满足目前分布式电源广泛接入的现状,处理多DG、多故障的定位要求。通过配电网结构划分降维策略进一步增加了算法的计算速度,建立改进的评价函数,防止故障定位误判。介绍了蝙蝠算法求解配电网故障定位的具体步骤。通过算例进行仿真对比表明,蝙蝠算法相比其他人工智能算法在配电网单故障与多故障定位方面具有更加快速、准确的全局寻优能力。     

基于多维度自适应机制改进的混合人工鱼群优化算法

传统的人工鱼群算法在优化过程中,前期收敛速度很快,但随着不断的迭代,收敛速度会逐渐下降,很容易出现陷入局部最优无法跳出的情况。鱼群的觅食行为直接影响了算法后期的收敛速度和数值解的精度,而视野与步长则是人工鱼进行觅食行为的基础。前期需要宽广的视野范围与大幅度的步长,后期则要限制视野与步长以提高算法的收敛速度与寻优精度。本文通过自适应视野衰减函数与自适应步长衰减函数来保证寻优解的精度和全局收敛速度,通过权重因子来决定个体鱼的生物行为选择,再利用Levy有向游动机制来提升人工鱼的全局寻优能力,实现了对传统人工鱼群算法的多维度改进,最后设计仿真实验,进行横向对比与纵向对比,验证了本文算法的高效性与优越性。     

基于卷积神经网络的左心室超声图像特征点定位

针对传统级联卷积神经网络（CNN）在左心室超声图像中定位准确度较低的问题，提出一种融合更快速区域卷积神经网络（Faster-RCNN）模型提取区域的级联卷积神经网络，实现对超声图像中左心室心内膜和心外膜轮廓特征点的定位。首先，采用两级级联的方式改进传统级联卷积神经网络的网络结构，第一级网络利用一个改进的卷积网络粗略定位左心室心内膜和心外膜联合的特征点，第二级网络使用四个改进的卷积网络分别对心内膜特征点和心外膜特征点进行位置微调，之后定位输出左心室心内膜和心外膜联合的轮廓特征点位置；然后，将改进的级联卷积神经网络与目标区域提取融合，即利用Faster-RCNN模型提取包含左心室的目标区域并将目标区域送入改进的级联卷积神经网络；最后，由粗到细对左心室轮廓特征点进行定位。实验结果表明，与传统级联卷积神经网络相比，所提方法在左心室超声图像上的定位效果更好，更逼近真实值，在均方根误差的评价标准下，特征点定位准确度提升了32.6个百分点。     

基于Zernike矩亚像素边缘检测的快速算法

为了克服传统的Zernike法在边缘检测过程中,由于人工手动选取阈值而带来的低效率、高误判等不足,将原算法与Otsu法相结合,提出了一种边缘检测的快速算法。利用传统的Zernike法计算出图像的阶跃灰度矩阵,再将该矩阵作为计算对象,用Otsu法直接得到最优的阶跃灰度阈值进行边缘判别,并考虑了由于边缘模型带来的误差,在保证检测效果的同时缩短了检测时间。实验结果表明,改进的算法能够更有效地完成边缘检测,补偿后的亚像素定位更准确。