基于SR-SURF的岩石显微图像拼接

岩石显微图像拼接是对岩石分析和研究的关键环节, 由于岩石显微图像数量多(成百上千张)内容丰富并且包含大量相似易混淆区域, 导致拼接速率和配准准确率低, 并且多幅图像拼接时会产生误差累积导致拼接错位, 针对此问题提出了一种SR-SURF (similar region-SURF)的岩石显微图像拼接方法. 首先选用哈希指纹快速提取相似区域(similar region), 然后在此区域检测特征点; 之后利用改进的RANSAC (random sample consensus)算法剔除错误匹配点; 再然后选用最佳模板匹配纠正错误配准图像; 最后引入最小二乘法消除单应性矩阵相乘产生的累计误差; 实验结果显示本文的算法消除了多幅图像拼接产生的累计误差, 解决了拼接错位问题, 提高了拼接速率和配准准确率, 具有较高的实用价值, 推动了岩石薄片的数字化存储进程.     

迭代粒子群算法及其在间歇过程鲁棒优化中的应用

针对无状态独立约束和终端约束的间歇过程鲁棒优化问题，将迭代方法与粒子群优化算法相结合，提出了迭代粒子群算法．对于该算法，首先将控制变量离散化，用标准粒子群优化算法搜索离散控制变量的最优解．然后在随后的迭代过程中将基准移到刚解得的最优值处，同时收缩控制变量的搜索域，使优化性能指标和控制轨线在迭代过程中不断趋于最优解．算法简洁、可行、高效，避免了求解大规模微分方程组的问题．对一个间歇过程的仿真结果证明了迭代粒子群算法可以有效地解决无状态独立约束和终端约束的间歇过程鲁棒优化问题．     

一种新的基于线性EIV模型的鲁棒估计算法

提出了一种新的基于线性EIV模型的鲁棒估计算法——鲁棒扩充算法．该算法从结构化数据区域出发,逐渐扩充模型数据集,并不断更新模型参数的估计,直至找到所有模型数据．在每次迭代中,使用C-Step方法对集合进行调整,从而保证了算法的鲁棒性．同时,提出了关于粗差数据和结构化数据分布的结构化密度假设,结合Mean Shift算法,完成对算法的初始位置选取．仿真结果表明,该算法可以有效地处理含有多个结构和大量离群样本的混杂数据,与现有算法相比,具有更强的鲁棒性和更高的精度．     

基于分层渐近匹配的鲁棒图象拼接

针对基于图象灰度匹配的图象拼接存在的两个主要缺点,提出了一种自动图象拼接新算法,即在相似度的代价函数定义中,通过引入基于M估计的鲁棒计算方法来消除局外点对全局变换参数估计的影响,而在初始参数估计问题上,则采用分层渐近匹配的机制及梅林变换,从而有效地解决了方位变动较大的图象带来大的初始参数估计的困难,同时有效地提高了计算效率.实验表明,该算法较大地扩展了基于灰度匹配的图象拼接算法的适用范围,具有良好的性能.     

改进的鲁棒总体最小二乘无源定位算法

针对机载无源定位易受异常误差影响的问题,提出一种基于角度信息的鲁棒递推总体最小二乘定位（RRTLS）算法。建立机载无源定位模型,得出总体最小二乘（TLS）解,根据机载定位的实时性、低复杂度要求将其转化为加权递推形式;根据广义M估计原理构建鲁棒TLS极值准则,利用其性质将RRTLS定位问题转化为等价权函数的设计问题;验证了利用残差识别异常误差的合理性,在此基础上建立了等价权函数。仿真结果表明,不存在异常误差时,递推总体最小二乘（RTLS）算法和RRTLS算法均能较好收敛;存在异常误差时,递推最小二乘（RLS）和RTLS定位结果受到扭曲,而RRTLS算法能够获得理想的估值,具有较强的鲁棒性。     

基于鲁棒最小二乘支持向量机的气动参数拟合

最小二乘支持向量机（LS－SVM）比标准支持向量机具有更高的计算效率,但是却散失了标准支持向量机的稀疏特性,而且当考虑异常值或者误差变量的高斯假设不成立时,会导致不稳健的估计结果。为了克服这两个缺点,在飞行器的气动参数拟合计算中引入了一种鲁棒最小二乘支持向量机（RLS－SVM）,该方法通过加权的支持向量机来获得鲁棒估计,并通过对支持值谱进行剪枝最终得到稀疏解。仿真结果表明：RLS－SVM方法简单,学习速度快,拟合精度高,鲁棒性强,是一种在飞行器轨迹计算中值得推广和采用的方法。     

多幅图像的自动拼接算法研究

提出一种基于特征点的多幅图像自动拼接算法。根据SIFT或SURF算法在图像的尺度空间中提取特征点,对特征点进行亚像素定位,并赋予主方向。根据特征点邻域信息分布计算得到特征向量后,基于k-d树进行最近邻和次最近邻搜索,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对。使用RANSAC（Random Sample Consensus）算法剔除错误匹配特征点对,同时对图像之间的变换参数进行鲁棒估计,使用多频带融合算法消除拼接痕迹。实验验证了该算法能够完成多幅图像的自动无缝拼接。     

基于改进SIFT的图像拼接算法

针对基于SIFT算法的图像拼接中算法复杂度过大和特征点匹配不准的问题,提出了用CS-LBP算子结合SIFT特征点生成特征描述符以及特征双向匹配的图像拼接算法。首先提取SIFT关键点,对每个关键点生成81维的CS-LBP特征描述子,然后利用特征向量双向匹配策略寻找符合特征匹配关系的匹配点对完成粗匹配,最后再利用RANSAC算法计算待拼接图像之间的变换矩阵,从而实现图像的拼接。实验结果表明,该方法能够有效地减少运算量,加快运算速度,拼接效果也较为理想。     

基于特征点的单应矩阵鲁棒估计

提出了一种基于特征点的单应矩阵鲁棒估计算法.在图像的尺度空间中提取特征点,并对特征点进行亚像素定位.同时赋予主方向.根据邻域信息计算得到特征向量后,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对.用RANSAC(Random Sample Consensus)算法匹配特征点对,同时计算得到两幅图像之间的单应...     

快速鲁棒特征算法的CUDA加速优化

提出一种基于统一计算设备架构(Compute Unified Device Architecture,CUDA)的快速鲁棒特征(Speed-up Robust Feature,SURF)图像匹配算法。分析了SURF算法的并行性,在图像处理单元(Graphics Processing Unit,GPU)的线程映射和内存模型方面对算法的构建尺度空间、特征点提取、特征点主方向的确定、特征描述子的生成及特征匹配5个步骤进行CUDA加速优化。实验表明,相比适用于CPU的SURF算法,文中提出的适用于GPU的SURF算法在处理30MB的图片时性能提高了33倍。适用于GPU的SURF算法拓展了SURF算法在遥感等领域的快速应用,尤其是大影像的快速配准。     

基于序列图像的小型无人机姿态快速估计方法与实验

为自主、精确地获得无人机的飞行姿态,文章研究并提出了一种利用无人机系统搭载的摄像机获取的序列图像来快速获得小型无人机飞行姿态的方法;该方法首先应用SIFT算法,通过多线程并行处理提取相邻图像特征点,然后依据设计的变换模型由匹配的特征点估计出帧间图像变换参数,并利用RANSAC算法剔除错误点,最终解算出机载平台的姿态角变化量;最后通过比较实验测得的姿态数据与实际姿态数据,证明了该方法的有效性。     

基于特征点的全自动无缝图像拼接方法

提出了一种基于特征点的全自动无缝图像拼接方法.该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度,使用稳健的RANSAC算法求出图像间变换矩阵H的初值并使用LM非线性迭代算法精炼H,最终使用加权平滑算法完成了图像的无缝拼接.整个处理过程完全自动地实现了对一组图像的无缝拼接,克服了传统图像拼接方法在尺度和光照变化条件下的局限性.实验结果验证了方法的有效性.     

Hierarchical Newton and least squares iterative estimation algorithm for dynamic systems by transfer functions based on the impulse responses

This paper develops a parameter estimation algorithm for linear continuous-time systems based on the hierarchical principle and the parameter decomposition strategy. Although the linear continuous-time system is a linear system, its output response is a highly nonlinear function with respect to the system parameters. In order to propose a direct estimation algorithm, a criterion function is constructed between the response output and the observation output by means of the discrete sampled data. Then a scheme by combining the Newton iteration and the least squares iteration is builded to minimise the criterion function and derive the parameter estimation algorithm. In light of the different features between the system parameters and the output function, two sub-algorithms are derived by using the parameter decomposition. In order to remove the associate terms between the two sub-algorithms, a Newton and least squares iterative algorithm is deduced to identify system parameters. Compared with the Newton iterative estimation algorithm without the parameter decomposition, the complexity of the hierarchical Newton and least squares iterative estimation algorithm is reduced because the dimension of the Hessian matrix is lessened after the parameter decomposition. The experimental results show that the proposed algorithm has good performance.     

基于增量式迭代变换的蜡染图形渐变算法

针对蜡染图形创新, 提出一种基于增量式迭代变换法的图形渐变方法, 即在不受特征点集对应的约束下, 实现两个平面图形之间自然、平滑渐变。该方法采用迭代渐变的思想, 对图形进行矢量预处理, 并分别在源矢量图形和目标矢量图形上采样一组几何特征点, 通过等分弧长对应的规则把两个图形进行权重归中, 对采样的节点求全局最小二乘进行特征匹配与映射, 再通过增量式迭代变换法得到一系列渐变中间图形。计算机仿真结果表明, 此算法能够较好地实现非特征对应的图形渐变, 达到过渡自然、平滑的目的。     

基于鲁棒优化理论的电梯群控调度策略

论文针对不确定线性优化问题,研究其不确定集的选择,初始不确定鲁棒优化模型的建立,以及基于该模型的鲁棒对等式转化问题.然后将鲁棒优化建模方法应用于电梯群控调度问题,建立其鲁棒优化模型,解决了交通流不确定性的影响,从而使调度结果更为合理.结合电梯群控虚拟仿真环境,设计了电梯群控鲁棒优化调度算法,并进行仿真验证.通过与其他调度算法的比较,证明了鲁棒优化调度算法在不同交通流F均具有优良的性能和适应能力.实验表明,鲁棒优化调度方法可以解决交通流预测误差的影响,很好地改善电梯群控调度性能.     

新型优化SIFT的图像快速配准方法研究

针对尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法图像配准时间长、匹配率低等问题,提出了重合区域图像极值特征提取法以及图像降采样特征配准法。在特征匹配的过程中,重点考虑重叠区域的特征匹配点对极值一致性约束条件,并利用差分尺度空间的局部单极值,以减小冗余特征点,节约特征提取与匹配时间;在此基础上,以图像尺度大小（选择180×180）作为缩放约束,对图像进行同比例插值缩小,并根据缩放后图像与原始图像变换矩阵之间的关系,计算出原始图像变换矩阵,实现图像的快速、精确配准。利用实例验证了所提方法的有效性和可行性。     

基于偏最小二乘法的翼型稳健设计替代模型

翼型的稳健设计就是要实现翼型对外界噪声因素不敏感,使翼型实现性能高且稳定的目标。翼型设计经过了几十年的研究发展,目前常用的翼型稳健设计主要是采用风洞和数值模拟两种方式,但它们也分别有成本高和计算量大的不足。通过对建模方法进行研究,提出了一种基于偏最小二乘法（PLS)的翼型稳健设计方法,采用该方法对基准翼型RAE2822选取11个设计变量（10个外形设计变量和马赫数）进行稳健设计后将其与基准翼型的阻力系数进行对比。结果表明使用偏最小二乘法替代模型所获得的稳健翼型,其阻力系数的均值和方差较基准翼型分别减小了44%和82%,其气动性能更好且性能更加稳定。使用偏最小二乘法替代模型进行翼型稳健设计具有成本低,计算速度快的特点,且能满足基本的结果精度要求,具有实际的应用价值。     

基于RANSAC的图像拼接方法

为解决常用SUSAN角点检测的阈值都是固定的,检测出的角点经归一化互相关后直接使用RANSAC(即随机抽样一致性算法)得到的单应性矩阵准确度不高等问题,给出了一种改进的RANSAC图像拼接方法.利用具有自适应阈值的角点提取算法抽取图像的角点特征,采用引导匹配的方法重新进行归一化互相关,增加了准确匹配点的个数,提高了单应性矩阵的估算效果,最后采用拉普拉斯金字塔对配准后图像进行分层融合、拼接.实验结果表明,该方法比常用方法具有更好的矩阵估算效果,拼接效果良好.     

分段迭代匹配追踪图像重构算法

目的 压缩采样匹配追踪（CoSaMP）算法虽然引入回溯的思想,但其原子选择需要大量的观测值且在稀疏度估计不准确时,会降低信号重构精度,增加重构时间,降低重构效率。为提高CoSaMP算法的重构精度,改善算法的重构性能,提出了一种基于广义逆的分段迭代匹配追踪（StIMP）算法。方法 为保证迭代时挑选原子的精确性和快速性,对观测矩阵广义逆化,降低原子库中原子的相干性;原子更新结合正交匹配追踪（OMP）算法筛选原子的准确性与CoSaMP算法的回溯性,将迭代过程分为两个阶段：第1阶段利用OMP算法迭代K/2次;第2阶段以第1阶段OMP算法迭代所得的残差和原子为输入,并采用CoSaMP算法继续迭代,同时改变原子选择标准,从而精确快速地重构出稀疏信号。结果 对于1维的高斯随机信号,无论在不同的稀疏度还是观测值下,相比于OMP、CoSaMP、正则化正交匹配追踪（ROMP）算法和傅里叶类圆环压缩采样匹配追踪（FR-CoSaMP）算法,StIMP算法更加稳健,且具有更高重构成功率;对于2维图像信号,在各个采样率下,StIMP算法的峰值信噪比（PSNR）均高于其他重构算法,在采样率为0.7时,StIMP算法的平均PSNR值比OMP、CoSaMP、ROMP和FR-CoSaMP算法分别高2.14 dB、1.20 dB、3.67 dB和0.90 dB,平均重构时间也较OMP、CoSaMP和FR-CoSaMP算法短。结论 提出了一种改进的重构算法,对1维高斯随机信号和2维图像信号均有更好的重构效率和重构效果,与原算法和现有的主流图像重构方法相比,StIMP算法更具高效性和实用性。