排序方式: 共有16条查询结果,搜索用时 15 毫秒
11.
基于MSER的无人机图像建筑区域提取 总被引:1,自引:0,他引:1
对建筑区域自动检测与提取是无人机(UAV,Unmanned Aerial Vehicle)图像处理的一项重要功能.在分析无人机成像特点和最大稳定极值区域(MSER,Maximum Stable Extremal Regions)算法对无人机侦察图像建筑区域检测的适用性基础上,提出了一种基于MSER的无人机侦察图像建筑区域提取算法.算法包含5步:无人机图像预处理,运用MSER算法分析计算图像稳定区域,通过计算稳定区域密度筛选建筑区域,进一步利用自适应K均值聚类算法对建筑区进行划分,最后采用Graham算法生成建筑区的边界从而实现了建筑区的自动提取.选取无人机实飞图像数据进行实验统计,本算法提取精度为92.25%;同时与基于Gabor变换的纹理特征、SIFT特征点的提取算法相比,建筑区域提取时间缩短,满足无人机实时应用需求. 相似文献
12.
13.
14.
15.
16.
航空公司进行航班延误恢复时,各种资源之间会通过航班计划产生间接关联,此时各决策单元若独立地考虑本领域内的资源恢复问题,将难以保证恢复方案的整体可行性和全局优化性。为探究航空公司航班恢复过程中各决策部门的决策模型及其协同关系,本文提出了基于多智能体技术的航班恢复协同决策仿真方法。首先,基于航空公司实际组织架构构建了航班恢复多智能体决策系统框架;其次,对部门间协同决策的动态过程进行了分析,将延误恢复的全过程分为了预恢复、可行解协商、均衡解协商3个阶段,构建了三阶段协同决策机制;最后,根据不同资源的恢复特性建立各决策部门的核心决策模型与部门间自动协商模型,并基于多智能体系统进行仿真。仿真结果显示,基于多智能体的协同决策方法能够在3.8 s的极短时间内针对1天中包含3架飞机和12个航班的航班计划做出完整的延误恢复方案,并且能够在保障航空公司整体效益的情况下一定程度地平衡各决策主体的自身利益。 相似文献