基于遗传算法的最佳熵阈值图像分割法

将遗传算法用于图像分割的Ｋａｐｕｒ 等人提出的最佳熵阈值确定法（ 简称ＫＳＷ 熵法） 中,进行了针对图像分割遗传程序所需的参数设计．ＫＳＷ 熵方法具有很多优点,但同时也存在弱点：需要大量的运算时间,特别是在计算多阈值时．因此需要引入优化算法．Ｊ． Ｈｏｌｌａｎｄ 的遗传算法是具有鲁棒性和自适应性的搜索方法．采用遗传算法实现单阈值和多阈值图像分割,实验结果表明分割速度快于传统的ＫＳＷ 熵法,缩短了运算时间．     

基于Gabor滤波器的航空图像居民区域提取

中低分辨率航空图像中居民区域的自动提取对地理信息系统更新和无人机导航具有重要作用.详细分析了Gabor滤波器参数对纹理提取的影响,提出了一种基于Gabor滤波器的居民区快速提取算法.算法包含4步:运用Gabor滤波器分析图像纹理,采用核密度估计生成居民区域置信图像,进而计算自适应阈值分割置信图得到候选区域,最后根据区域几何形状去除干扰得到居民区.算法平均运算时间为0.42s,实验结果表明了算法的高效性和准确性.     

基于改进PCNN的轴尖表面缺陷检测

脉冲耦合神经网络(PCNN,Pulse Coupled Neural Network)与传统神经网络不同,不经过训练即可用于图像处理.针对PCNN模型中结构参数较多,且需要人工反复试验进行设置的困难,改进模型结构,简化了馈送输入和连接输入,减少了待定参数;根据邻域灰度动态地计算内部连接系数,由邻域的欧氏距离计算权值矩阵,再由图像的灰度特征计算动态阈值.将改进的PCNN用于陀螺轴尖表面缺陷图像的分割,用基于完整性与正确性指标的缓冲区匹配方法评价所提方法、最大熵法及Canny方法.针对不同缺陷图像的实验表明:所提算法的完整性与正确性都高于0.9,证明所提方法更有效.     

基于多特征的高分遥感图像分割算法研究

针对传统的图像分割算法不能完全适用具有多种特征〖BF〗（〖BFQ〗光谱特征、纹理特征和几何特征〖BF〗）〖BFQ〗的高分辨率遥感图像的问题,提出了一种基于多特征的遥感图像分割算法。算法基于改进的均值漂移滤波和自动标记分水岭分割方法来实现最终分割。首先利用自动标记分水岭分割方法对遥感图像进行分割,进而采用仿射不变矩形状特征算子提取图像几何特征;其次对图像进行主成分分析,计算第一主成分灰度共生矩阵,分析矩阵特性得出纹理特征;然后结合光谱特征通过改进的均值漂移方法得到多特征滤波结果;最后利用分水岭分割方法实现高分辨率遥感图像分割。为了表明算法的分割效果,利用基于多光谱信息熵方法对算法和单一的分水岭分割方法进行非监督评价。研究结果表明,算法可较好地改善遥感图像的过分割问题,是一种适合高空间分辨率多光谱遥感图像的分割算法。     

一种阈值自适应调整的实时音频分割方法

基于内容的音频分析近年来引起了较多学者的关注.对自动分割方法进行了分析,分割是对音频信号进行深入分析的首要步骤,通常根据能量、幅值、基音等时域或频域的声音特征,设定若干固定阈值来实现.由于实时音频信号来源复杂,环境和采集设备的变化都会导致阈值的波动,从而直接影响到分割的质量.提出了一种基于声音背景学习的阈值初值计算方法,主要针对实时音频应用,设计了环境因子作为对外界环境进行检测的度量,并利用其自适应调节分割阈值,采用查表法,通过状态转移进行分片类型判断以在效率和精度之间取得平衡,并设计了多组分割实验对上述方法分别进行了验证.     

TDI-CCD遥感图像条带噪声的消除

针对TDI-CCD遥感图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特 点及小波变换对奇异点检测的优越性, 提出了一种快速傅里叶变换和小波变换 相结合的方法来确定条带噪声频率点所在的位置, 采用改进的陷波滤波器对条 带噪声的频率成分进行消除. 另外, 提出一种基于提升小波变换的改进阈值 函数法, 用以消除图像的条带噪声. 实验结果表明, 在消除条带噪声方面, 改 进的陷波法优于改进的阈值函数法, 而改进的阈值函数法优于硬阈值函数和软 阈值函数法. 利用改进的陷波法消除条带噪声后, 图像的质量得到提高, 其PSNR达到46.4181dB, NMSE减小到0.00007, 相对基于提升小波变换的 几种阈值函数法, PSNR提高了3～4dB, 而NMSE则减小了 0.00007～0.00011. 本文提出的方法能较好地消除遥感图像的条带噪声, 同时能够较好地保持原图像的特征, 具有可行性.      

基于分割途径的SAR单视图像斑点噪声抑制方法

在图像分割思想的基础上,结合合成孔径雷达(SAR)图像的区域特征,利用恒虚警率边沿检测技术将分割区域最大化,并在分割区域内根据SAR图像特性进行优化滤波,得到了一种基于图像分割的单视SAR图像降斑方法.其中,边沿检测和区域分割在多视图像中进行,保证了检测和分割的有效性.计算机仿真结果证明了该方法的优越性.      

基于三维光场的静态场景前景分割

为解决复杂场景中的前景提取问题提出一种基于三维光场分析的静态场景前景分割方法.首先,通过在一条直线等间距的不同视点上拍摄场景的序列图像构建密集采样的三维光场.其次,用线段检测(LSD)直线检测算法从对极平面图(EPI)中分析提取出场景边缘及其深度信息.借助分段三次Hermite多项式(PCHIP)快速插值算法恢复整个场景的深度信息.最终,通过阈值法实现对不同深度的前景物体的分割.初步实验结果表明,本方法能够较准确地恢复场景中多个物体之间的空间关系,前景分割结果较好地克服了现有基于区域聚类和数学形态学等方法在复杂场景应用中存在的过分割问题.      

基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.      

一种高精度视频目标检测与分割新方法

根据动态视频场景与多目标检测的应用需求,提出了一种变分光流场与mean shift图像分割相结合的高精度运动目标检测与分割新方法.依据动态场景多运动目标检测的约束条件提出变分光流场优化计算模型,并给出其数值解法.在此基础上提出结合meanshift的高精度运动目标检测与分割算法,此方法对摄像机运动和静止情况都适合,能够进行同一场景中多个运动目标的高精度检测,并且不需要事先的学习和人工干预,具有通用性.     

卫星星座优化设计的分布式遗传算法

遗传算法在区域卫星星座的优化设计中可以得到很好的结果。但使用遗传算法时，往往计算量很大，星座规模较大时会带来计算上的困难。充分利用计算机网络的空闲计算资源进行分布式计算可以解决这一问题，文章提出了相应的分布式计算模型，给出了实现方法，算例表明分布式遗传算法效率很高，该分布式计算方法也可以推广到其他应用领域。     

智能交通系统中车辆调度问题的遗传算法研究

在智能交通系统(ITS, Intellignet Transportation Systems)的各个子系统中,先进的公共交通系统(APTS, Advanced Public Transportation System)具有重要地位和作用,其中车辆调度问题是APTS的关键.为了提高车辆调度的智能化,提出了一种基于遗传算法(GA, Genetic Algorithm)的公交车辆智能调度方法,采用最小费用作为目标函数,考虑了车辆配置、时间、运营效率及资源利用等方面因素,通过选择、交叉及变异等遗传操作,得到了最优的调度排序方案,并对2种交叉方式进行了比较,仿真结果表明,利用GA解决车辆调度问题具有可行性、先进性和快速性.      

空间科学任务协同设计过程优化

为了对概念设计阶段空间科学任务协同设计过程进行合理规划, 减少设计反馈, 降低系统耦合度, 提出了设计结构矩阵(DSM)过程建模和遗传算法(GA) 过程优化算法. 该方法采用DSM对空间科学任务设计活动序列进行建模, 通过DSM描述设计活动间的信息依赖关系, DSM上三角之和代表该设计活动序列设计反馈次数; 将 DSM对应的设计活动序列视为染色体, 采用GA进行序列优化, 最小化设计反馈次数. 通过过程优化算法获取最佳设计活动序列, 优化设计过程, 降低系统耦合度. 空间科学任务实例分析结果表明, 该方法能够有效应用于空间科学任务协同设计的过程建模和过程优化, 指导设计过程的制定.      

基于遗传算法的载人航天器标准返回轨道设计

载人航天器返回时,根据任务的要求,需要设计一条标准返回轨道,作为制导时的参考轨道。文章探讨利用遗传算法（ＧＡ）来自动设计标准返回轨道。通过仿真表明,遗传算法在标准返回轨道设计中具有一定的优越性。仿真结果满足任务要求。     

智能交通系统中的运营车辆优化调度研究

阐述了遗传算法GA(Genetic Algorithm)和禁忌搜索法TS(Tabu Search)的基本原理,有机结合两者优点,构成混合遗传算法HGA(Hybrid Genetic Algorithm).针对公交车辆调度现状及所处的运营环境,运用HGA的智能化特征,进行了公交车辆智能调度研究.仿真表明,基于GA-TS的混合遗传算法优化公交车辆运营调度,能够有效地改善原有公交车辆运营调度的不足,提高动态运营决策效率和服务质量.与常规方法相比,运行效率提高15%,时间缩短5%,这为公交车辆智能化运营调度提供合理、可行的调度手段.     

基于EMD和SVM的机载燃油泵故障诊断研究

针对机载燃油泵故障数据来源较少、诊断效率较低、维护费用较高、缺乏有效故障特征的问题，利用机载燃油转输系统实验平台收集的振动信号和压力信号，提出了一种基于经验模态分解(EMD)和支持向量机(SVM)的机载燃油泵故障诊断方法。首先，利用EMD提取振动信号不同频段的能量值作为特征参量，并结合压力信号均值构造故障特征向量；其次，分别采用遗传算法(GA)、粒子群优化算法(PSO)、樽海鞘群算法(SSA)、网格搜索算法(GS)对SVM的惩罚参数和径向基函数(RBF)参数进行优化，并对优化后的SVM诊断性能进行了评估；最后，分别采用SVM、极限学习机(ELM)、BP神经网络作为分类器，并对3种分类器的诊断性能进行了评估。结果表明:采用3种群智能优化算法的SVM故障诊断率均能达到100%，寻优过程中均未陷入局部最优解，且寻优时间相当，其中GA的训练时间最短，可以采用GA对SVM参数进行寻优；当采用GA_SVM作为故障分类器时，用时较短，且故障诊断率较高，可以选用GA_SVM分类模型实现机载燃油泵的高效故障诊断。      

Optimal mission planning of the reconfiguration process of satellite constellations through orbital maneuvers: A novel technical framework

In this paper, a general new methodology is presented for the orbital reconfiguration of satellite constellations on the basis of Lambert targeting theorem. In view of the cost and risk reduction, it is very important to consider the problem of satellite constellation reconfiguration with the two constraints of overall mission cost minimization and the desired final configuration. Hence, the dependent non-simultaneous deployment approach is proposed to minimize overall fuel cost. Despite the fact that the satellites deploy in a non-simultaneous manner, supplementary phasing maneuvers on the target orbital pattern to achieve the desired orbital configuration are avoided. Moreover, a novel idea is presented to optimize the flight of satellites, which plays an important role in complying with the constraint of overall fuel cost minimization as much as possible. In order to achieve the global optimal solution of the satellite constellation reconfiguration problem, the efficient hybrid Particle Swarm Optimization/Genetic Algorithm (PSO/GA) technique, is implemented. Finally, to indicate the superiority of the presented method, a comparison to the simultaneous maneuver viewpoint is made on a number of representative cases. The obtained results imply significant reduction of reconfiguration costs by employing the proposed method.     

Improving the low orbit satellite tracking ability using nonlinear model predictive controller and Genetic Algorithm

The satellite motion on the reference orbit (RO) with less energy consumption has always persuaded researchers to design optimal control systems. The nonlinear nature and time-varying equations of motion make this quest more challenging. The present study proposes a novel control system for satellite motion on the RO by considering a comprehensive model of its dynamics in orbit and a Nonlinear Model Predictive Controller (NMPC). The NMPC calculates the sub-optimal control inputs of satellite motion reference on the elliptic orbit by minimizing a convex cost function at each stage. Moreover, all weighting parameters of the cost function are optimized by the Genetic Algorithm (GA) to produce less perturbation and guarantee the best NMPC performance. Finally, the implemented NMPC has been compared to a Linear MPC (LMPC). The results show that not only can the NMPC resist against larger errors and perturbations, but it can also compensate for those errors by returning the satellite to its main orbit and maintaining it.