SAR图像启发式搜索直线提取

直线特征是识别线状目标的基础,现有启发式搜索算法仅适用于光学图像的直线特征提取,对SAR图像效果并不理想。针对该问题,提出一种SAR图像直线特征提取的启发式搜索算法。首先对SAR图像进行Frost滤波,然后利用指数加权均值比(ROEWA)算子进行边缘检测,再利用非极值抑制得到边缘二值图,最后采用二次搜索策略及“直线走原则”,充分考虑局部信息,设计启发式搜索的代价函数及搜索规则,实现直线特征提取。实验结果表明,该方法具有较好的抗噪性和抗断裂能力,能够有效地提取出SAR图像中的直线特征。      

基于混沌搜索的蚁群优化算法

文中算法将蚁群算法与混沌搜索相结合,蚁群算法陷入局部最优时,利用混沌搜索对局部最优解进行二次寻优;对二次寻优结果再重复利用蚁群算法,扩大了搜索范围,避免了算法易陷入局部最优的特点。最后通过三个TSP问题进行实验对比,结果表明基于混沌搜索的蚁群算法充分利用了混沌搜索的随机性和蚁群算法的并行性,在收敛性和优化性方面得到了提高。     

基于蚁群算法的图像边缘提取技术

蚁群算法是根据真实蚁群的觅食原理提出的一种新兴的启发式智能搜索算法.本文将蚁群算法应用于图像边缘搜索提取中,通过蚂蚁的智能特征,自适应的调整自己的行为,对图像边缘进行搜索提取.同时,引入了"精英蚂蚁"的概念,将精英蚂蚁的概念与蚁群算法想结合,优化了搜索过程,并提高了搜索速度.     

基于蚁群DTW算法的哼唱搜索研究

虽然传统DTW算法在模糊匹配上具有很好的性能,但是DTW算法通过局部最优化算出最佳路径的最小累计距离,计算量较大,搜索效率较低。蚁群DTW算法,结合蚁群算法的正回馈机制,搜索语音信号之间匹配的一条全局最优路径,既利用了语音信号的全局特征又考虑了其局部信息,与传统DTW算法相比,能大大提高哼唱搜索效率。     

结合蚁群搜索与边缘检测的红外轮廓提取算法

现有的边缘检测算法对红外图像进行边缘提取的过程中,容易出现边缘模糊和噪声残留等现象;针对这种现象,提出了一种结合蚁群搜索与边缘检测的红外轮廓提取算法。根据小波变换后各高频子带间的相关性,引入了图像的相关性因子来对图像信号进行分类;并对提取的边缘信号进行基于蚁群算法的边缘检测算法进行边缘提取,来去除其中的噪声信号并对弱边缘信号进行保护。实验结果表明,其实验结果与预期效果基本相符,在不同复杂背景的红外图像中,都具有较好的边缘保护效果与抗干扰能力。     

基于改进型蚁群算法的P2P网络资源搜索的研究

目前P2P网络中的资源搜索算法以泛洪法为核心,产生的巨大网络流量加重了网络负载,只适合小型网络。蚁群优化算法具有较好的鲁棒性、并行性等优点,已有不少学者将其应用于P2P资源搜索。本文在分析蚁群算法应用于P2P网络中资源搜索面临的问题的基础上,给出一个适合蚁群算法的新型的P2P文件共享构架,以解决P2P路由的不一致性等问题。在P2P网络中应用能见度会带来3个缺点:容易导致局部极小解、容易导致流量集中、实际网络中的实现有较大难度,由此本文提出了去能见度蚁群算法。构建了开放式的网络仿真拓扑结构,通过一系列的实验结果验证了去能见度蚁群算法的全局能力更强。     

一种基于蚁群算法的CDMA多用户检测方法

提出一种基于蚁群优化算法(ant colony optimization algorithm)的CDMA多用户检测(MUD)的方法。该方法在基本蚁群算法的基础上，应用一种新的相遇和搜索分区的策略，来解决最佳多用户检测的组合优化问题，可提高搜索的质量和效率，通过分析以及仿真表明，该方法具有多项式的计算复杂度，并可以得到较好的误码率性能，为寻求新的多用户检测方法提供了思路。     

嵌入信息丢失和确定性搜索的蚁群算法分析

蚁群算法(Ant Colony Algorithm,ACA)是一种仿生算法,它引入了正反馈并行机制,具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法结合等优点。从基本的蚁群算法出发,针对算法运行过程中的信息丢失,嵌入信息丢失的部分,提高交互信息的利用率,以加快算法的搜索过程;同时嵌入确定性搜索的部分,采用模式搜索法中的步长加速法,以改善蚁群算法在运用中的运用性能,主要提高全局搜索收敛速度,并试图控制局部最优解的形成。本文最后对该改进算法做了仿真验证,结果表明:该改进的蚁群算法能较快收敛于较优的路径。     

改进蚁群优化算法的图像边缘检测

为了解决图像边缘检测中的噪声问题,并提升检测效率与检测效果,提出改进蚁群优化算法的图像边缘检测方法。所提方法改进了传统蚁群优化算法直接在像素域进行迭代的边缘检测过程,其将蚂蚁分为探测蚁和寻路蚁,寻路蚁采用数据结构控制思想在原图像上随机选择迭代路线,根据蚂蚁移动角度设置像素点结构搜索路线,在所经过的每个像素点上进行附近像素点结构搜索,快速获取整体图像边缘检测信息,再利用探测蚁将寻路蚁给出的结果进行蚂蚁外激素检测,完成对检测效率与检测效果的改进。实验结果证明,相比传统蚁群优化算法,改进蚁群优化算法在图像边缘检测的效率与效果上均有很大提高。     

基于二分查找的Radon变换直线检测改进算法

针对传统的Radon变换直线检测算法运行时间长、占用存储空间大的问题,提出了一种基于二分查找的Radon变换直线检测改进算法。在Radon变换直线检测算法的基础上,增加了对图像中待检测直线最小夹角的约束条件,使用区间划分结合二分查找的方法对Radon变换直线检测算法进行改进,并通过待检测直线在Radon空间中的位置参数确定出待检测直线在原始空间的直线方程。实验结果表明,相比于Radon变换直线检测算法,所提出的改进算法在保证抗噪声干扰能力不受影响的前提下,有效减少了高检测精度要求下图像直线检测算法的运行时间和占用的存储空间,提高了直线检测的实时性。     

一种基于蚁群融合的盲传输格式检测方法

针对现有3GPP标准中盲传输格式检测方案的性能不足,文章结合蚁群算法和融合量的特点提出了一种适用于WCDMA终端的盲传输格式检测算法.该算法利用蚁群信息量记忆传输格式历史数据,对不同判据的可靠性程度进行加权融合.仿真结果表明:文章提出的方法在多应用场景下均明显提高了WCDMA终端中盲传输格式检测的可靠性.     

一种基于蚁群优化的显著边缘检测算法

该文提出一种基于蚁群优化的显著边缘检测算法。该算法利用相位编组方法计算支持区面积作为描述图像边缘梯度方向一致性的指标,将梯度幅度和支持区面积结合起来形成启发信息和信息素增量的计算方法,采用线性加权方法将信息素、梯度幅度、支持区面积3种信息综合起来得到蚂蚁转移概率,通过引入禁忌表增大蚂蚁的活动范围。实验结果表明：该文提出的算法能够有效检测图像中的显著边缘特征,对多类图像都有良好的适应性,而且收敛速度较快。     

基于蚁群算法的InSAR相位解缠算法

该文利用数字地面高程(DEM)数据的变更,由SAR成像机理和双尺度粗糙面散射计算构造得到多景具不同阴影的单视复数(SLC)SAR影像数据。提出一种基于蚁群算法的相位解缠算法,用于多景具不同残差点数量的仿真相干SLC相干图像以及欧洲环境卫星(ENVISAT-ASAR)的InSAR图像的相位解缠,并与其他现有的解缠方法作比较。结果表明：该算法是一种有效的相位解缠方法,解缠精度与解缠速度上要优于其他一些常用的解缠方法。     

基于优化成熟度的自适应蚁群优化算法

分析了蚁群算法局部信息素更新系数与全局信息素更新系数对算法寻优能力与收敛速度的关系,定义平均路径相似度(ATS)来表征寻优过程的成熟程度,并据此自适应调整信息素更新系数,提高算法收敛速度并避免陷入局部最优.经过与典型蚁群算法在多个旅行商问题测试用例上进行收敛速度与全局寻优能力的全面比较,证明了新的算法具有较好的效果.     

一种基于信息素的蚁群聚类算法

提出了一种改进的蚁群聚类分析算法,通过改进LF算法中群体相似度函数,加入参数的自适应调整策略,利用短期记忆和网格信息素的局部分布控制蚂蚁的随机移动,并结合蚂蚁速度动态变化、半径递增、强制放下等特性。采用测试数据和不同的算法进行了对比实验分析,仿真实验结果表明,该算法显示出了较高的稳定性和准确率。     

基于蚁群优化算法的路由协议的研究

生物仿真学群集算法在路由中有广泛的的应用,为了充分利用网络资源,降低拥塞程度,提出了一种基于蚁群优化算法的Ad Hoc网络负载均衡路由算法Pro-antnet,通过对蚂蚁收集到的网络信息所对应的参数赋予不同加权值的方法对路由表进行控制,有效地缓解了网络的拥塞问题。该算法具有良好的分布式特性,能为网络提供多条备用路径,增强网络的抗毁性。     

基于协同合作的蚁群优化算法

蚁群优化是一种模拟蚂蚁觅食的群集智能搜索算法,基本蚁群算法收敛性较差,易陷入局部最优解。本文在基本蚁群算法的基础上,提出一种新的蚁群优化算法,通过在信息素局部更新中引入信息素扩散模型,在信息素全局更新中引入随机扰动机制,发挥蚂蚁之间的协同合作能力,提高了算法的收敛速度。以TSP为例的仿真实验表明,该算法具有较强的寻优能力、较好的鲁棒性和有效性。     

基于改进的人工蚁群的图像分割算法

蚁群算法具有良好的离散型、并行性、正反馈性和鲁棒性,非常适合用于图像分割.基本蚁群算法存在着收敛速度慢、图像边缘的细节信息保留不完全等不足.改进了蚁群算法的启发信息,提高了蚁群算法的收敛速度,同时更有效地保留图像边缘的细节信息.图像的奇异值中只包含了少量的细节信息,大量细节信息体现在图像矩阵的2个正交矩阵中.通过利用奇异值分解作为启发信息,与信息素共同指导蚂蚁的行为.通过对蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向分割图像收敛,根据信息素分布提取分割结果.仿真实验表明,对图像得到了理想的分割结果.     

一种新的基于混合蚁群算法的聚类方法

建立了聚类分析问题模型，分析了K-均值算法、模拟退火算法和基本蚁群算法的优缺点。对蚁群算法作了改进．思路是K-均值方法混合，利用K-均值方法的结果作为初值。经过比较测试，两种混合蚁群算法的效果都比较好．特别混合方法二的效果最好。