基于多蚁群系统的多无人机协同目标搜索方法

针对多UAV协同搜索问题,建立了基于搜索概率图的UAV环境信息描述模型,提出了一种基于多蚁群算法的协同目标搜索算法。该算法由多个蚂蚁种群构成,每个蚂蚁种群负责搜索一架无人机的路径。蚂蚁个体在搜索路径时通过其所在群体的信息素的引导以趋向最优路径,同时,受到来自其它种群的信息素的排斥作用进而避免无效搜索。实验结果表明,该方法能有效地实现多UAV之间的协同,实现路径搜索,减少路径交叠,提高了搜索效能。     

一种由粗及精的视线追踪系统平面视线参数检测方法

针对视线追踪系统视线参数检测需求和现有方法的不足,基于亮暗瞳差分方案提出了一种采用由粗及精策略的平面视线参数检测方法。在暗瞳图像应用AdaBoost方法定位人脸,根据人脸五官分布先验知识初步确定人眼区域并标记暗瞳图像对应的人眼区域。在差分图像采用投影法确定瞳孔潜在区域,通过形态和尺度分析滤波定位瞳孔。对瞳孔进行边缘检测和椭圆拟合,提取瞳孔中心参数。在暗瞳图像瞳孔对应区域附近搜索并检测普尔钦斑并提取普尔钦斑中心参数。根据瞳孔和普尔钦斑中心参数获取平面视线参数。在视线追踪系统中的应用表明该方法能够可靠、精确的检测平面视线参数。     

基于改进蚁群算法的无人机三维航迹规划研究

针对蚁群算法进行无人机航迹规划时,易陷入局部极值,且收敛速度较慢的问题,提出了基于改进蚁群算法的无人机三维航迹规划。将三维航迹规划分成基于改进蚁群算法的二维平面规划和高度规划两部分,采用几何优化方法增强了蚂蚁搜索的引导性,并根据航迹点与威胁源之间的距离及高度约束,调节航迹点的高度,规划出无人机三维航迹。同时,利用自适应调节参数方法提高蚁群搜索能力与个体之间交互能力,有效摆脱原算法易陷入局部最优的情况。此外,建立了指标函数并对路径进行了平滑处理。仿真结果表明,所提出的改进算法在三维环境下不仅可以安全避开威胁,而且找到最优解的能力及收敛速度优于原算法。     

基于边缘与区域特征的无人机图像地平线检测

针对基于视觉的无人机自动定姿中的地平线检测问题,分析了图像中地平线的边缘特征和区域特征,提出了基于单向边缘和灰度分布特征的地平线归属点识别准则和检测方法,利用改进的多模型输出RANSAC估计算法实现了边界点中候选地平线提取,最后利用地平线的识别准则完成了地平线的快速、可靠鲁棒性检测.实验结果证明了该算法的有效性.     

基于结构与边缘分布范围双约束的虹膜定位

为了提高现有虹膜定位算法速度和精度,必须充分利用人眼虹膜图象固有的结构性特征,提出了基于虹膜结构与边缘分布范围双约束的虹膜定位算法。在内边界定位时,根据二值化、形态学处理后图像的灰度信息确定瞳孔区域,然后采用最小二乘法圆拟合内边界。在对外边界定位时,由已知瞳孔位置参数以及虹膜结构特性构造一个虹膜外边缘自适应模板确定外边缘有效区域,然后利用虹膜外边缘梯度强度及方向分布范围的约束条件,进一步消除干扰得到比较稳定的虹膜外边缘轮廓,进而采用边缘拟合确定虹膜外边缘形状粗参数,最后采用小范围Hough变换精确定位外边界。实验结果表明,该算法能显著提高虹膜定位的速度和精度,避免了传统Hough算法搜索的盲目性。     

多目标航迹的图像域自适应检测方法

针对低可观测运动目标航迹检测问题,提出了一种融合图像处理和曲线拟合的多目标航迹检测方法。在对雷达回波进行处理获得距离-时间图像的基础上,利用相位一致性模型检测边缘,结合自适应区域生长技术提取具有一致性边缘走向的连通区域;采用clearing技术和迭代最小二乘方法估计目标运动轨迹和运动参数。仿真结果表明：该算法即使在信噪...     

基于元胞蚂蚁算法的防空靶机航路规划研究

防空靶机飞行航路设计是实现靶机有效控制,确保高效完成供靶任务的保障。通过对靶机三维航路规划模型进行分析,给出了元胞蚂蚁算法的航路规划模型的求解方法及算法实现的具体流程,并分别应用蚁群算法和元胞蚂蚁算法进行仿真实验。结果表明:元胞蚂蚁算法克服了蚁群算法收敛速度慢、陷于局部最小值的缺陷,可得到较优的航路。     

基于改进蚁群算法的多约束供应保障网络路径优化

针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。     

一种基于多分辨率图像融合的边缘检测算法

边缘检测是图像处理中的一个重要环节。文章提出了一种基于小波变换的图像融合边缘检测方案。该方案具体考察了Log算子、Canny算子和小波变换边缘检测算法,通过提取图像边缘对其特点进行了讨论和比较,再将三种算法边缘检测的结果进行图像融合,得到一幅新的边缘检测图像。仿真实验结果表明,此种方法效果要优于单独采用某种算子获得的边缘图像,是一种有效的图像边缘提取方法。     

基于遗传蚁群动态融合的地面自主作战 机器人路径规划

在机器人路径规划与避障算法中,遗传算法具有快速全局搜索能力,但是没有利用系统中反馈的信息。蚁群算法具有很好的信息反馈性,但是由于初期信息素匮乏导致求解速度较慢,易陷入局部最优。提出了一种动态融合的方法,在算法初期通过遗传算法生成蚁群算法的初始信息素分布,后期采取蚁群算法动态融合遗传算子的方法。通过路径规划仿真及实验分析,该动态融合算法不仅提高了收敛速度,而且改善了蚁群算法易陷入局部最优的问题;同时引入了动态避障策略,从而达到了更好的路径规划效果。     

基于改进蚁群算法的软件测试方法

为了降低软件的测试成本,提高软件测试效率,提出一种基于改进蚁群算法的软件测试方法.将Markov决策模型应用到软件测试过程当中,采用测试用例约简技术对测试用例集进行简化,利用贪心算法求得的较优解增强蚁群算法初始时刻信息素,通过改进的蚁群算法求得最优解,并进行仿真分析.仿真结果表明:改进的测试方法比采用基本蚁群算法的测试方法求得解更优,说明改进的测试方法可以使搜索时间更短,并可降低软件的测试成本.     

百分位形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于图像形态学的红外图像边缘检测方法。采用并行复合顺序形态滤波算法对图像边缘进行增强和锐化并抑制高频噪声;根据百分位形态滤波相关概念及性质构造的边缘检测算子,进一步滤除红外图像中的噪声,提取图像边缘。实验结果表明,本文提出的算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器。     

基于最长曲线法的海天线检测算法

通过分析红外图像的特点,给出一种基于最长曲线的海天线检测方法,根据所要处理的红外图像自适应选取 Canny 算法的阈值进行边缘检测,精确提取海面和天空区域的分界线-海天线.首先对红外图像进行中值滤波消除噪声,然后采用自适应阈值的 Canny 算子进行边缘检测,对检测得到的边缘进行边缘连接形成相互独立的几个目标,然后对各目标进行目标标定,最后基于最长曲线法进行海天线检测.     

液体火箭发动机喷管燃气外流场红外图像研究

针对液体火箭发动机燃烧状态监测,采用基于Matlab平台开发的红外图像特征参数计算程序进行分析。通过Canny算子和边缘模式算法对燃气红外图像进行边缘检测、连接,利用选取特定区域的燃气面积、周长、灰度熵及第1马赫盘位置等特征参数来监测发动机燃烧状态,最后提出一种图像特征参数对燃烧工况的识别方法,为发动机燃烧状态监测提供新的测量手段和思路。     

基于混沌蚁群算法的鱼雷集成电机推进器电机优化设计

针对集成电机推进器(IMP)一体化结构要求电机功率密度大,效率高的特点,采用将混沌优化算法嵌入蚁群算法的混合智能优化算法——混沌蚁群算法(CACA)对集成电机推进器特种电机设计方案进行优化,该方法充分利用以上2种优化算法的优点,即蚁群算法的高精度和混沌算法的快速性。优化结果显示,优化后的设计方案使电机效率提高了1.6%,有效体积缩小了5.6%,使电机能更好地适应高启动场合要求,优化效果良好,可为鱼雷IMP特种电机的设计提供参考。     

基于图像处理的红外成像设备畸变检测方法

红外制导导弹导引头、无人机光电载荷的核心部件是红外成像设备,红外成像设备能否正常工作决定了导弹和无人机的工作效能;为了避免红外导弹、无人机光电载荷带着故障上天,需要在这些装备上天之前检测红外成像设备是否工作正常,提出基于图像处理的图像畸变检测方法,作为判断红外成像设备工作正常与否的依据;以标准红外成像设备所成图像为标准图像,利用数字图像处理的边缘检测方法得出图像的面积和周长,根据面积和周长得出图像的复杂性参数值;在测试条件不变的情况下,根据罗曼诺夫斯基准则,利用正常设备捕获的图像作为样本,计算分析样本图像的面积和周长,求出图像复杂性参数值,得出红外成像系统测试的评价参数和评价准则,根据评价参数和评价准则判断被测试设备是否存在畸变。     

战时通信装备备件配送模型

针对战时通信装备备件抢修,建立了带硬时间窗的战时通信装备备件多目标优化配送数学模型,并用蚁群算法对问题进行了求解。算法设计中,为解决模型求解中蚁群算法存在早熟、收敛性差等问题,引入伪随机规则调整状态转移概率;利用时变函数更新信息素强度。实验结果表明,该算法能得到较好的全局最优解,验证了模型的有效性。     

军事协同巡检路线优化策略

为提高大规模多机器人巡检系统的工作效率,提出了改进的协同蚁群优化算法。该算法为每个巡检机器人设定一个路线优化蚁群,采用共享禁忌表的方式实现不同蚁群之间的信息共享,不同蚁群中的人工蚁采用代价竞争机制进行巡检节点选择,完成路线协同优化。协同蚁群优化算法能够根据巡检节点的分布完成巡检区域的分割与路线优化,提高了巡检区域划分的合理性。仿真实验结果表明,与基于地图分割的优化算法相比,协同蚁群优化算法能够根据巡检任务对巡检区域进行均衡划分,提高了巡检机器人的利用率,减少了整体巡检量,巡检效率得到了显著提升。