基于奇偶树型交互学习机与遗传算法的密文优化系统

为使图像加密系统具备优化功能,并解决当前遗传算法无法实现全局最优、收敛速率慢等问题,提出奇偶树型交互学习机耦合全局离散遗传算法的密文优化系统。定义权值更新机制,耦合混沌映射,构造奇偶树型交互学习机及其互扰模型。将切断型轮盘赌择取机制引入均匀交叉算子中,以图像分块的相邻像素相关系数和密文信息熵为目标,根据权重理论设计加权适应度函数,提出一种全局离散遗传算法,最终形成"初始加密-密文优化"的加密结构。实验结果表明,与超混沌算法、离散遗传算法、元胞自动机相比,该系统的加密质量较好,并且具备全局优化功能,可优化所有迭代结果,使最终输出密文的信息熵最大,相关系数最小。     

基于视觉原理的曲线重构算法研究

曲线和曲面的重构是逆向工程中的重要问题,特别是按照计算机图形学中点线面的发展规律,曲线重构更是其中很重要的一步,为后面的曲面重构奠定了研究基础。论文研究和实现了一种曲线重构算法,该算法将人类的视觉具有的接近性和连续性融入到了曲线重构算法中。实验结果表明了该算法的有效性。     

基于SVM模型的妫水河叶绿素a浓度的遥感反演

以北京市妫水河为研究区,基于2011年9月25日和2012年9月30日的两期叶绿素a浓度实测数据和准同步的环境一号卫星(HJ-1A)多光谱数据,分别构建一元线性和多元支持向量机模型(SVMM),通过决定系数R²和平均相对误差对模型的精度进行检验,用模型进行水体叶绿素a浓度的反演,并分析其时空分布特征。研究表明:在样本数较少的情况下,SVM具有很强的非线性映射能力,能够取得较好的预测结果,更适用于反演叶绿素a浓度。时间分布上,研究区叶绿素a浓度呈增加趋势,均值上升了6.86 μg/L;空间分布上,深水区叶绿素a浓度值低于浅水区,上游高于下游。国产HJ-1A CCD2多光谱数据以其4 d的时间分辨率,在水质动态变化监测方面具有优势。     

基于神经网络和支持向量机的电能质量组合评价

电能质量在当代越来越受到重视.根据电能质量的概述,提炼出电能质量评价指标体系,并基于组合评价的原理,运用BP神经网络和支持向量机对其进行评价,通过检验,证明了评价方法的有效性.     

计算机视觉对震动环境下螺丝松动的监测仿真

在频繁震动环境下,高精度设备受到无规则振动、冲击以及高温蠕变的影响,导致螺栓结构产生非固定滑动、分离或者脱落.螺栓结构具有复杂的动态性,脱落过程呈现不明显变化,螺丝帽与杆的相对位置变化过程与振动强度、外部环境呈现复杂关系,无法建立有效关联.传统视觉监控方法在振动条件下,获取的螺栓帽和杆的相对像素位置在无法建立关联的情况下,以静态阀值观测为主,存在较大的偏差,无法获取准确的螺栓松动监测结果.提出震动环境下聚类RBF神经网络的视觉螺丝松动监测方法.提取螺丝松动监控计算机视觉图像的特征,并针对上述螺丝帽与脱离的异常距离进行有效的识别.利用傅里叶变换方法建立螺丝松动监控图像特征矩阵,计算特征脱离聚类目标函数,并建立聚类RBF神经网络模型,完成监控.实验结果表明,利用改进算法可以实现计算机视觉对震动环境下螺丝松动监测,可以提高监测的准确性,防止由于螺丝松动造成的损失.     

空中预警机三维图像物体检测模型仿真

在当前的空中预警机三维视觉检测中,在进行高空深层视觉检测中,自然环境中会出现大量的检测物,对需要进行三维视觉建模检测的物体形成阴影遮挡干扰.提出了一种新的空中预警机三维图像物体检测方法.把检测过程中遮挡干扰当成一种噪声因素,根据因式分解的相关理论,建立空中预警机三维视觉模型.根据不同遮挡干扰特征点在空中预警机三维视觉建模过程中所占的比率不同,根据非线性滤波原理,设置空中预警机三维视觉对象图像的像素,构建非线性滤波窗口构成的序列,对该空中预警机三维视觉模型进行滤波处理,去除遮挡干扰.实验结果表明,该算法进行空中预警机三维视觉检测,精度达到要求,有一定的实际应用价值.     

长视距空战中可疑目标的快速识别模型仿真

研究长视距空战中可疑目标的快速识别问题,由于在长视距空战中,可疑目标与空中识别设备之间存在较长的距离,采集目标比较弱小,特征模糊.目标一旦过于接近,会形成堆积盲区,传统的识别方法在遇到远距离可疑目标时,由于距离太远,会出现目标堆积盲区,导致对目标分割出现错误,无法准确识别目标.为解决上述问题,提出采用主成分聚类算法的长视距空战中可疑目标的快速识别方法.针对可疑目标采集大量的计算机视觉图像,提取计算机视觉图像中可疑目标的特征,将上述特征作为可疑目标识别的依据.针对所有的可疑目标识别特征,进行可疑目标的快速识别,并对识别到的可疑目标进行累加运算,实现可疑目标的智能识别.实验结果表明,利用改进算法进行长视距空战中可疑目标的快速识别,能够极大的提高识别的准确性.     

精密金属焊接坏点的视觉识别方法研究与仿真

研究高精密金属焊接坏点准确视觉识别的问题.由于高精密金属焊接坏点的颜色特征与金属本身特征相似,而在坏点很小并且与外部环境过于类似的干扰下,传统的基于像素差异的识别结果不精确,一旦焊接坏点分布的过于集中,干扰将更大,导致焊接坏点识别准确性降低.为解决上述问题,提出一种新的计算机视觉的高精密金属焊接坏点识别方法.采集高精密金属焊接坏点计算机视觉图像,针对金属图像进行特征提取,并对提取的特征进行离散小波变换处理,获取增强处理后的视觉图像.根据增强处理后的视觉图像特征值,获取高精密金属焊接坏点的分布密度,计算焊接坏点的空间位置,实现高精密金属焊接坏点识别.实验结果表明,利用改进算法进行高精密金属焊接坏点识别,能够提高识别的准确率,并且获取焊接坏点在高精密金属制品中的分布位置,为高精密金属制品的生产质量提供保障.     

自适应B样条小波函数模糊距离测量方法

目的 双目测距和单目测距是目前常用的两种基于光学传感器的测距方法,双目测距需要相机标定和图像配准,计算量大且测量范围有限,而单目测距减少了对设备和场地的要求,加快了计算时间。为了解决现有的单目测距方法存在精度低、鲁棒性差等缺点,本文提出了一种基于单模糊图像和B样条小波变换的自适应距离测量方法。方法 引入拉普拉斯算子量化评估图像模糊程度,并根据模糊程度值自动定位阶跃边缘;利用B样条小波变换代替高斯滤波器主动模糊化目标图像,并通过分析图像模糊程度、模糊次数以及测量误差之间的关系模型,自适应地计算不同景物图像的最优模糊次数;根据最优模糊图像中阶跃边缘两侧模糊程度变化求解目标边缘和相机之间的相对距离。结果 本文方法与基于高斯模糊图像的距离测量方法相比精度更高,平均相对误差降低5%。使用不同模糊次数对同样的图像进行距离测量时,本文算法能够自适应选取最优模糊次数,保证所测量距离的精度更高。结论 本文提出的单视觉测距方法,综合了传统的方法和B样条小波的优点,测距结果更准确,自适应性和鲁棒性更高。