改进自适应微分进化算法求解全局优化问题

针对微分进化(DE: differential evolution)算法在进化后期收敛速度慢,收敛精度低,易陷入局部最优解等缺点。本文通过改进DE的变异方程,并引入一种新的控制参数自适应策略,提出了一种改进自适应微分进化(IADE: improved adaptive differential evolution)算法。进化过程中IADE将根据个体适应值与父代平均适应值之间的关系动态地调整控制参数。同时,采用10个常用于优化算法比较的标准函数对IADE和其它改进DE算法进行对比试验,实验结果表明IADE算法不仅能够显著地提高收敛速度和收敛精度,而且具有非常好的鲁棒性,从而使得该算法能够满足过程优化的实时性、准确性以及稳定性要求。     

一种自动寻找染色体着丝粒的算法

染色体着丝粒的自动定位，是计算机自动染色体核型分析的关键。本文提出了一种染色体着丝粒自动寻找定位算法。该算法应用于实验用标准人体染色体图片，正确定位率达９０％。     

基于稀疏性的图像去噪综述*

利用图像的稀疏与冗余表达模型去噪是当前较为新颖的去噪方法,在对国内外稀疏模型去噪文献进行理解和分析的基础上,回顾稀疏性去噪研究的发展,阐明稀疏去噪的原理与降噪模型。总结用于稀疏去噪中的各类方法,介绍利用稀疏性在图像去噪中的分解与重构过程,并将小波法去噪、多尺度几何分析法去噪、独立成分法去噪中所涉及的传统稀疏性与当前的稀疏与冗余表达模型去噪对比分析。最后基于对稀疏性去噪方法的分析,提出对稀疏去噪研究方法的一些展望。     

基于R-L分数阶微分梯度算子的边沿检测

在处理数字图像中处理中,为了提取更加细微的边缘信息,克服经典梯度算法的不足,根据R-L分数阶微积分的定义和边缘检测的基本原理,推导出一维离散分数阶微分梯度算子,并且推广到二维,提出了一种基于R-L分数阶微分的新算子模板,并在实验中得以实现.实验结果表明,这种算子更能提取细节信息,使得边缘更加突出,与经典1阶和2阶的边缘检测算子相比,在处理以低频信号为主的图像时有一定的效果提升,而在处理以高频信号为主的图像时有较大的效果提升.     

ATC系统中高速内存缓存的设计与实现

由于空中交通管制系统在航空领域里的特殊应用,系统中部分数据实时性强,并且不需要长期存储,针对这一存储需求设计并实现了基于高速内存缓存的数据存储模型.模型基于key-value的内存池的内存管理方法,采用预申请和分组方式管理内存.通过实验分析比较了T数索引和哈希表索引的优点和适用范围,最终选择T树索引作为模型的索引数据结构.实验结果表明,该模型极大的提高了系统对该类数据的存取能力和系统性能.     

融合灰色尺度的代价聚合的立体匹配

由粗略到精细,分层策略和跨尺度的代价聚合在一定程度上有效地扩展了代价聚集并且能够生成高精度的视差图.这类方法致力于在弱纹理区域找到正确的匹配点从而提高匹配率.然而,这类方法必须以多尺度为前提,通常需要借助图像金字塔.另外,误差的传播以及薄壁结构的复原不理想限制了它们的应用.针对弱纹理匹配的问题,提出了一种通用的融合灰色尺度的代价聚合的立体匹配框架.鉴于高斯滤波后的灰度图像能够更好地表示匹配图像对中的弱纹理区域,该代价聚合融合了灰度图像的代价聚合.同时,算法不需要降采样以及建立图像金字塔,这加快了聚合速度.此外,还引入了引导图像滤波和快速加权中值滤波,用于代价聚合和视差求精.同时,在进行视差选择时,为了避免WTA（winner-take-all）带来的歧义,利用代价聚合后最小值和次小值之间的相互关系来确定最后的视差值.最终,在Middlebury测试平台上的实验结果表明：融合灰色尺度的代价聚合的立体匹配能够有效地提高视差的精度.     

飞行模拟场景中三维云的实时建模和绘制

为了实现飞行模拟场景中三维云的实时建模和绘制,采用了超亚椭圆体表达式以及软粒子方法进行实现。使用超亚椭圆体表达式计算得到云层中各粒子的初始位置,可以构建不同的云层模型,再利用软粒子方法实现云层的绘制以及与用户的交互。对超亚椭圆体表达式进行了一定的改进,使得云层形态更加的真实以及多样化,并且利用软粒子的特性实现了云层的运动以及穿云效果,并通过实例验证了所提算法的有效性及真实性,为飞行模拟场景中三维云的实时建模和绘制提供了可行的解决途径。     

基于图像识别的建筑物三维重建

为从彩色高分辨率的图像中提取出主要建筑物的位置信息并进行三维重建,提出一种结合2D和3-D信息识别建筑物,通过纹理集技术进行大规模3-D重建的方法.进行边缘检测,提取可用的短直线以及相应的2-D特征,对这些短直线进行逐级聚类得到候选屋顶集合;通过朴素贝叶斯分类器在候选屋顶集合中区分出不同的3D屋顶特征,以识别全局优秀的屋顶;根据屋顶的位置信息,在大规模的3-D场景中绘制出相应尺寸的模型,通过动态分配算法将建筑物纹理合并,减少纹理数量,从而减少纹理状态的切换.以航拍和卫星遥感彩色高分辨率图像进行实验,实验结果表明,该方法有优秀的识别正确率和3-D重建效果.     

基于序列相关性的超声图像自适应去噪

针对医学超声图像易受电子噪声与斑点噪声影响的问题, 研究超声图像序列在不同变化速率下帧间相关性, 提出一种基于序列相关性自适应加权复合去噪策略。通过测试不同速率下人体组织超声影像序列图像间运动剧烈程度的相关性, 利用超声图像间像素点差值直方图获取互相关信息, 根据直方图阈值波动范围调整运动剧烈指标, 通过基于方差特性分析帧相关复合, 快速实现不同相关性图像间的自适应加权复合。实验表明, 基于超声图像序列相关性去噪方法能很好地压制电子噪声, 平滑图像斑点区, 保持超声图像生物组织结构的细节信息, 优于常规去噪方法。     

基于精英存档自适应微分进化算法的多跑道独立进近排序

随着民航运输业的快速发展,运输需求与空域资源容量之间的矛盾日益突出,导致航班延误的比例也在逐年升高。进港航班排序作为空中交通流量管理的主要手段,能够有效地减少航班延误,减少经济损失,并提高跑道利用率。本文针对进港航班排序问题,建立了一种基于最小化总延误时间的多跑道进港航班排序数学模型,并通过采用精英存档策略和控制参数自适应策略,提出了一种精英存档自适应微分进化算法(EASaDE: Self-adaptive Differential Evolution algorithm with Elite Archive)。在EASaDE中,精英存档策略将当前种群划分为精英种群和非精英种群,参与变异的个体部分来自精英种群,剩余的来自非精英种群;而控制参数自适应策略则将控制参数应用到种群中的每个个体,并根据个体的进化停滞代数来自适应调整参数值。为检验EASaDE的优化性能,本文选取9个常用于优化算法对比的Benchmark测试函数和双跑道进港航班排序实际问题进行实验。从Benchmark函数的优化结果可以看出：EASaDE的优化性能要好于基本DE算法和其它参与对比的改进DE算法。同时,从双跑道进港航班排序的优化结果可以看出：与其它优化算法相比,EASaDE所求得的总延误时间明显更小,规划后的进港序列更为合理。因此,本文提出的EASaDE算法具有较高的收敛精度、收敛速度和稳定性,从而能够有效地减少进港航班队列的总延误时间,提高跑道吞吐量,并减轻管制员的调度压力。