一种基于灰度投影块匹配算法的电子稳像方法

针对无人侦察平台系统中的实际使用环境,提出基于灰度投影块匹配电子稳像算法;此算法是灰度投影算法和块匹配算法的合理结合,综合了灰度投影算法运算速度快和块匹配算法匹配精度高的优点。经过试验表明,该种稳像算法能够适应更广的稳像应用环境,具有较好稳像精度和稳像速度,达到实际应用中实时电子稳像效果。     

动态时间规整技术在电子稳像中的应用

当视频序列帧内存在局部运动时,灰度投影算法的稳像精度会有所下降。针对该问题,将动态时间规整技术应用到灰度投影算法中,提出一种新的稳像方法。利用传统的灰度投影算法分别获得图像的行、列投影曲线,通过动态时间规整算法对失准的投影曲线进行修正,得到行、列最佳形变路径,分析最佳匹配点的分布,得到全局运动矢量。实验结果表明,该方法的正确匹配率大于95%,可有效减少误匹配的发生率,提高电子稳像的精度。     

基于灰度信息与特征信息结合的数字稳像算法

提出一种基于灰度信息与特征信息相结合的数字稳像算法.该算法应用特征点提取作为块匹配的预处理,提高了匹配的准确度,通过多模交互的Kalman滤波和运动补偿后得到稳定的视频图像.实验证明,该算法具有良好的稳像效果.     

位平面匹配的电子稳像算法的改进

针对位平面匹配算法很难对视频图像中存在的旋转运动进行估计的缺陷,提出了一种改进的电子稳像算法。该算法采用钻石搜索策略的位平面法来估计并补偿视频图像序列间的平移运动,对参考帧图像进行拉普拉斯变换,在靠近图像边缘处选取若干个特征小块与当前帧进行块匹配,进一步计算并补偿其可能存在的旋转运动。通过理论分析和实验仿真表明：在处理存在旋转运动的视频图像时,改进后的算法在满足实时性的同时提高了稳像精度。     

灰度投影在块匹配算法中的应用

运动参数估计在图像配准,电子稳像以及图像拼接中起着很重要的作用,其中块匹配算法是经常使用的一种方法。当平移较大的时候,块匹配算法仍然存在不足,因此本文提出了一种新的算法。首先利用灰度投影法得到相邻两幅图像的平移量,在此基础上再利用块匹配算法进行分块处理。实验说明了此方法的有效性,能够满足一般要求。     

基于灰度投影的铁路道口视频电子稳像

机车过往铁路道口时的震动会导致监控视频图像序列的抖动.为了改善图像质量,获得稳定的监控视频,提出了一种基于灰度投影的道口视频电子稳像方法,该方法利用图像的灰度变化特点,通过灰度映射、投影滤波和运动矢量提取估计出视频帧间运动偏移量,进而进行运动偏移量补偿,实现道口视频图像序列的稳像.仿真实验表明,该方法能够有效实现铁路道口的视频稳像.     

基于Android的移动电子稳像系统的研究与实现

利用基于Android操作系统的硬件平台实现了移动电子稳像系统。该系统采用无需人工干预的灰度投影算法,通过行列投影、投影滤波和相关计算获得运动补偿量,根据补偿量对视频进行全局校正。对稳像前后帧的行、列投影及残差图像,分析表明,该系统稳像效果良好,且具有携带方便的特点,易于推广到各类移动终端设备。     

基于特征匹配与运动补偿的视频稳像算法

针对在复杂背景下航拍视频的抖动情况,为了实时输出稳定的视频,提出了一种改进的特征匹配算法与全局运动补偿相结合的视频稳像算法。首先,利用尺度不变的SURF算法提取特征点并计算描述符,再结合快速近似最邻近匹配算法得到匹配点对,并通过双向匹配以及K近邻算法筛选优秀匹配点,从而提高匹配正确率;其次,提出了一种局部区域匹配法,提高了算法处理速度,并避免场景内运动目标对稳像效果的影响。通过建立仿射变换模型,求解相邻帧图像的变换参数,进而对图像进行全局运动补偿。结果表明,该算法速度快、匹配精度高,有良好的视频稳像效果。     

基于相邻帧补偿的高速运动目标图像稳像算法及仿真

在高速运动目标图像视频采集过程中,高速运动、风力作用等因素将导致视频图像抖动。为提高高速运动目标图像视觉系统采集性能,改善图像采集质量,提出一种基于相邻帧补偿的高速运动目标图像稳像算法。结合自适应中值滤波方法和灰度化直方图均衡方法对图像进行预处理,用尺度不变特征变换(SIFT)算法提取视频图像中的特征点,利用仿射模型求解运动参数,采用Kalman滤波对视频图像中的正常扫描进行滤波,最后用相邻帧补偿方法将图像的前一帧作为参考帧对当前帧进行参数补偿,实现高速运动目标的视频图像电子稳像处理。仿真实验表明,新算法能在保留图像中的特征的同时去除图像中含有的抖动,非常适合高速运动视频图像的电子稳像处理,精度提高,计算量明显减少。     

基于下采样灰度投影的电子稳像算法研究

为了快速、准确地稳定矿井车载摄像系统获取的抖动图像,提出了一种基于下采样灰度投影的电子稳像算法。首先对图像进行直方图均衡化处理,以提高图像对比度;为减少算法运算量,削减局部运动物体的影响,通过下采样方法对图像进行多分辨率分层,选取相邻2帧低分辨率图像及其预定子区域分别进行灰度投影运算,并对运算结果进行加权求和处理,获得最终的全局运动矢量;最后根据卡尔曼滤波获取的补偿量,通过自适应相邻帧补偿方法对图像进行运动补偿,以解决误差累积问题。实验结果表明,所提算法在准确度和运算时间上都优于传统灰度投影算法,且能实现长时间连续稳像。     

基于差分的块匹配运动估计算法

通过研究块匹配算法当中菱形算法中的冗余性,提出了一种基于差分的块匹配快速搜索算法（DBS）,利用搜索点的匹配误差之间的大小关系,预测最优点的搜索方向,减少了搜索点数,通过实验表明了该算法在保证了匹配精度的同时获得了更高的搜索速度。     

改进的QS模式匹配算法的性能分析

在详细分析QS匹配算法的基础上,提出了一种改进的算法I_QS算法。I_QS算法把模式串中每相邻两个字符构成一个字符串,由这些字符串组成字符串表并确定其位置,同时通过当前匹配窗口的后三个字符来确定下一次的右移量。为了分析I_QS算法的性能,从不同模式串数目角度,对I_QS算法进行匹配所需要的时间、所尝试的次数、所比较的字符个数三方面进行实验。实验结果表明,由于I_QS算法能够最大限度地向右移动,从而大大地减少移动次数和缩短匹配时间,有效地提高模式匹配速度。     

求解0-1二次规划问题的迭代禁忌搜索算法

提出迭代禁忌算法求解0-1二次规划问题。在局部搜索过程中,使用禁忌搜索贪心跳坑策略,能够使算法有效跳出局部最优值的陷阱。采用国际上公认的30个算例作为算法测试实验集,与传统的禁忌搜索、模拟退火算法以及混合算法进行比较。实验结果表明,该算法在所有算例上都能够得到文献中报告的最优解,且计算效率明显优于其他算法。     

求解作业车间调度问题的禁忌分布估计算法

为优化作业车间调度问题的解,提出一个禁忌和分布估计的混合算法。分布估计算法是一种新的进化模式,通过概率优化模型在连续空间进行求解;通过对已获得的群体进行选择操作生成优势群体,提出的分布估计算法使用单变量边缘分布算法构建概率模型,估计离散空间中的联合概率分布,从概率向量采样生成新群体;采用基于工件编号的编码和解码机制保证解的可行性。为提高局部搜索能力,算法基于禁忌搜索算法设计新的双重移动组合、块禁忌和选择策略,在搜索陷入局部最优时利用遗传算法的变异算子生成新解;算法通过混合分布估计算法和禁忌搜索算法的优点,兼具全局搜索与局部搜索能力,提高了搜索的效率和性能。通过与现有算法在典型实例上的实验结果比较,表明该算法在求解作业车间调度问题上具有可行性和有效性。     

基于快速视网膜关键点算法改进的图像匹配方法

传统的仿射尺度不变特征（ASIFT）算法通过模拟仿射变化图像实现完全仿射不变性,但是由于尺度不变特征（SIFT）算法本身的低效造成ASIFT的过程非常耗时,为了实现更为高效的图像匹配,引入快速视网膜关键点（FREAK）算法到ASIFT仿射模型中,并基于Lanczos-4插值进行改进。在匹配过程中基于HAMMING距离实现暴力匹配,并结合随机样本一致性（RANSAC）算法改进对匹配点对的提纯,得到了新的AFREAK算法。该算法既能实现完全仿射不变性,又能实现低耗时和低内存占用。实验结果表明,提出的AFREAK算法处理速度上快于ASIFT近2~3倍,并且可以得到与之相似的匹配效果。     

有时间窗约束车辆路径问题的改进遗传算法

将遗传算法与禁忌搜索结合起来,设计了一种改进的遗传算法求解有时间窗约束车辆路径问题。采用启发式插入算法产生较优良的遗传操作初始种群,通过改进的逆转变异算子更多继承父代的优良性能,以提高遗传算法的计算效率。引入海明距评估遗传进化中种群的多样性。当种群多样性低到一定程度时转入禁忌搜索,以避免遗传算法早熟的缺陷,最终实现全局优化。通过算例验证了该算法的优越性。     

混沌优化的仿射尺度搜索算法研究

为了求解单目标线性规划问题,提出了基于混沌优化（COA）算法的仿射尺度搜索（AFS）算法,即混沌AFS算法。使用混沌优化算法以迭代方式从随机初始点中得到优化的初始点;将得到的初始解点作为仿射尺度搜索算法的起始点来提高仿射尺度搜索算法的性能;通过搜索单目标线性规划决策变量域得到可行的近似最优解。实验结果表明,相比传统的AFS算法,在求解单目标线性优化问题时所提混沌AFS算法明显降低了目标值的偏差,同时大大地减少了迭代次数及CPU运行时间。     

具有邻域搜索机制的爆炸搜索算法

受烟花(炸弹)爆炸的启发,提出一种新型的智能优化算法——爆炸搜索算法(ESA)。该算法引入邻域搜索的思想,包含3个重要算子：爆炸搜索算子,迁移算子,变异算子,具有较大的局部-全局搜索能力,且收敛速度快、稳定性好。对benchmark函数集进行仿真并与CPSO等算法进行比较,实验结果证实了ESA的高效性。     

基于IHSA_LSSVM的供应链绩效评估研究

为有效评估供应链绩效,结合和声搜索算法(IHSA)与最小二乘支持向量机,提出一种评估算法(IHS_LSSVM)。研究和声搜索算法的原理,对基音调整概率和基音调整步长进行动态调整,给出一种改进的和声搜索算法。利用该算法的全局搜索能力优化选取LSSVM的惩罚因子r和高斯核函数的半径σ。采用供应链绩效评估实例,构建供应链评估模型。仿真实验结果表明,与已有的BP神经网络和LSSVM等评估算法相比,IHS_LSSVM具有更小的预测误差和更高的预测精度。     

基于SIFT和改进的RANSAC图像配准算法

为解决RANSAC算法迭代次数过多导致图像配准精确率不高的问题,提出了一种改进的RANSAC图像配准算法。首先将参考图像和待配准图像进行NSCT变换分解成低频子带和高频子带。然后对高频子带运用矢量夹角算法和结构相似性（SSIM）来提取图像边缘特征点,对低频子带运用SIFT算法并设定合适的距离阈值来提取特征点。最后利用改进的RANSAC算法提高特征点匹配精度,选择出精匹配点对,实现图像配准。实验结果表明,该算法能有效地找到较多的匹配点对,准确地去除误匹配点对,明显地提高了配准精确度。