基于蚁群搜索的直线检测算法

提出一种直线检测的蚁群搜索算法,以解决常用的直线检测方法抑制噪声能力不强、检测直线不连续的缺点.此算法首先进行边缘检测获取边缘点;然后利用边缘信息引导蚁群迭代搜索可能的直线边缘,根据直线的搜索长度更新蚂蚁运动路径上的信息素分布,使搜索逐渐向长直线收敛;最后,依据搜索路径的信息素遗留提取图像中的直线边缘.多组标准图像的实验表明:该算法能够有效地从图像中提取直线,同时具有较强的噪声抑制能力.     

SAR图像直线提取

针对合成孔径雷达(SAR)图像中相干斑的统计特性,设计了对应的直线提取算法.首先组合运用Canny算子和Ratio算子得到边缘点及其边缘方向,然后根据边缘方向一致性原理得到初始直线图;最后,通过高层编组方法连接由于噪声引起的直线缺损.本文提出的边缘检测方法克服了边缘方向量化带来的直线断裂,并且具有恒虚警的特性.高层编组过程通过对初始直线图的分析确定可能扩展的直线区域,之后在原始图像中进行统计证实,得到完整的直线图.直线提取算法在X波段机载SAR图像上进行了试验,得到了满意的效果.提取的直线图可以用于遥感图像矢量化、自动目标识别等方面.     

基于数字图像处理的直线型铁轨的自动识别

在铁路交通安全检测系统中,铁轨的识别是障碍检测物的关键。提出适合轨道数字图像的直线型铁轨自动识别算法。首先基于轨道图像的亮度特征和直线特征,综合应用Hough变换和边缘提取算法,检测出大量离散的共线像素点。然后建立直线方程,使检测到的直线连续化,根据线段斜率特性和线段长短滤除多余的线段。最后根据提取到的铁轨边缘轮廓得到图像中的铁轨位置信息,为铁路图像信息提取分析打下基础。用MATLAB编程实现了该算法,通过大量仿真实验验证了该算法的有效性。     

机械零件直线边缘亚像素定位方法研究

直线是视觉图像中重要的基元特征.建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线边缘像素点,最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线.对空间矩算子亚像素定位算法与像面直线亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面直线亚像素提取算法具有较高的精度和稳定性.     

基于自适应高斯滤波的红外机场跑道识别方法

针对前视红外地面目标图像背景复杂、噪声干扰大的特点,提出了一种机场跑道识别算法.首先,用基于梯度信息的自适应高斯滤波对图像预处理,平滑噪声、增强边缘,然后在Canny边缘检测的图像上,利用空间邻接关系、梯度等信息进行像素级的边缘点搜索,再用最小二乘法拟合直线,在已提取的直线符号上使用多种特征进一步连接修正,最后,利用几何特征、灰度信息进行跑道识别.经实测数据检验,本算法能够准确、快速地识别跑道.     

噪声图像中提取边缘的蚁群搜索算法

该文提出一种边缘引导的蚁群搜索算法,以解决常用的边缘提取方法抑制噪声能力不强,提取边缘不连续的缺点.此算法首先进行边缘检测获取由真实边缘和噪声组成的可能边缘点;然后利用可能边缘信息引导蚁群迭代搜索局部边缘曲线,并根据蚂蚁搜索曲线的长度更新其行走路径上的信息素分布,使搜索逐渐向真实的边缘收敛;最后,依据信息素遗留提取真实的边缘曲线.相对传统的蚁群算法,该文利用边缘信息引导蚁群搜索,增强了搜索的目的性,提高了算法效率.多组噪声图像的实验表明:该算法能够有效地从噪声图像中提取物体的真实边缘,在最大限度地保留细节信息的同时抑制噪声.     

一种基于多尺度形态学的彩色图像边缘检测方法

提出了一种基于多尺度形态学的彩色图像边缘检测方法.给出了利用不同尺度的结构元素提取彩色图像边缘,然后用多尺度合成算法对各个边缘进行合并以得到新的边缘的具体算法.该方法在提取细节边缘的同时可降低噪声对检测结果的影响,从而克服了传统边缘检测算法提取彩色图像细节边缘少及抑制噪声能力差的缺陷.     

基于局部差别的形态学边缘检测方法研究

图像边缘特征是图像最基本也是最重要的特征之一.图像边缘特征的提取一直是计算机视觉和图像处理领域的经典研究课题,在精确制导武器的制导图预处理中有着广泛地应用.针对经典的边缘检测算子不能很好地提取噪声图像边缘这一问题,在数学形态学的基础上,提出了一种边缘提取方法.利用局部差别准则确定图像中受噪声影响的像素点,并对其进行形态学操作,滤除噪声,保存边缘.实验表明,该算法不仅具有很好的边缘提取能力,还具有很强的抗噪能力.说明了该算法的有效性和实用性.     

基于Harris算法的直线提取方法

根据Harris算法的原理,结合直线边缘的特征,提出一种新的直线提取方法。图像灰度窗口在直线边缘上移动时,只有沿直线方向移动,窗口灰度才不会发生变化,沿其他方向移动,窗口灰度会产生较大变化。结合Harris算法原理,推导了直线边缘的提取原理和方法,并通过仿真实验,证明该方法能有效的提取直线特征,相比于Hough变换法具有更快的运行速度。     

基于最大熵与小波变换的图像边缘检测算法

提出了一种有效的基于最大熵和小波变换的数字图像边缘检测算法,并用形态学方法对图像进行优化处理,文中算法不但能够很好的提取图像边缘,同时对经典算法提取边缘后出现的断续不完整现象有了很好的改进,还能有效的去除噪声和伪轮廓,和一些传统的边缘检测算法相比,本算法在细节丰富和含有噪声的图像中应用具有优越性,达到了很好的识别边缘的效果.     

TD-LTE-A上行信道估计中基于加权的插值算法

TD-LTE-A上行信道估计中的线性插值算法只利用数据两端的两个导频位置的信道响应进行插值,不能很好拟合信道响应。针对此问题,提出了基于加权平均的插值算法。该算法以线性插值算法为基础,首先利用连续3个导频位置的信道响应进行线性插值得到数据位置的两个初步插值结果,再在此基础上引入权值α,最后对初步插值结果进行加权得到数据位置的信道响应。在EPA环境下的MATLAB仿真结果表明,相对于线性插值算法,基于加权的插值算法在不过度增加计算复杂度的情况下能降低系统的误比特率。     

基于核函数的非线性口袋算法

应用满足Mercer条件的核函数设计非线性算法已经成为机器学习领域一项新的非线性技术.核感知器算法利用核思想非线性地推广了线性感知器算法,使其可以处理原始输入空间中的非线性分类问题和高维特征空间中的线性问题.线性口袋算法改进了线性感知器算法,能够直接处理线性不可分问题.为了进一步改进线性口袋算法和核感知器算法,本文提出基于核函数的非线性口袋算法,即核口袋算法,其目标是找到一个使错分样本数最小的非线性判别函数,并证明了其收敛性.核口袋算法的特点是用简单的迭代过程和核函数来实现非线性分类器的设计.基准数据集的实验结果证明核口袋算法的性能优于线性口袋算法和核感知器算法.     

一种DSSS系统中窄带与多径干扰抑制级联算法

根据线性预测具有良好的抗窄带干扰性能但无法抑制多径干扰的特性,提出了一种窄带干扰和多径干扰抑制的级联算法即CNMS算法,理论分析表明本算法可以获得比线性预测算法更高的性能增益。仿真结果说明,CNMS算法在优于线性预测算法的同时还优于线性均衡算法。     

一种病态线性系统求解的新算法

本文提出了一种病态线性系统求解的新算法,该算法将原线性系统求解的问题转化为极小值点的最优化问题,借助不对分寻优法进行迭代求解,并结合引入的伪误差来解决当方程组阶数非常大时出现的误差积累问题。文末算例实验表明,本文算法对于良态线性系统、病态线性系统均有较好的求解效果。该算法为病态线性系统利用计算机迭代求解提供了直接的参考方法。     

平面天线阵方向图的FFT算法简析

介绍了平面天线阵中常见的方向图FFT（快速傅里叶变换）算法原理,指出该算法在应用中应考虑的条件、范围等,在基本计算原理的基础上,利用常规算法程序给出线阵的计算实例,分析各实例有待扩展的计算特性,并分析原因、给出扩展方法,在此基础上给出线阵和平面阵列的扩展算法计算实例,结果表明该扩展算法能满足一般线阵和平面阵列的方向图计算需求,提高计算效率。     

对八阵图算法的不可能差分密码分析和线性密码分析

该文对八阵图(ESF)算法抵抗不可能差分密码分析和线性密码分析的能力进行了研究。ESF算法是一种具有Feistel结构的轻量级分组密码算法，它的轮函数为代换置换(SP)结构。该文首先用新的不可能差分区分器分析了12轮ESF算法，随后用线性密码分析的方法分析了9轮ESF算法。计算得出12轮不可能差分分析的数据复杂度大约为O(267)，时间复杂度约为O(2110.7)，而9轮线性密码分析的数据复杂度仅为O(235)，时间复杂度不大于O(215.6)。结果表明ESF算法足够抵抗不可能差分密码分析，而抵抗线性密码分析的能力相对较弱。     

基于激光雷达的水平能见度自动反演算法

激光雷达测量能见度是激光雷达的一个重要应用,水平能见度的反演在线性区的选取上存在的不确定因素制约了激光雷达的应用.本文根据激光雷达水平测量数据的特点,提出了一种迭代扩展算法确定水平测量数据的线性区,并进而反演水平能见度.该算法可以确定线性区的最大范围,并将非线性区排除出去.经实验验证表明,该算法能可靠地自动反演水平能见度.     

Sigmoid-basis nonlinear power-control algorithm for mobile radio systems

Convergence speed and distributiveness are important properties of a power-control algorithm in order to evaluate its potential for use in cellular radio systems. Most of the power-control algorithms in literature are derived from numerical linear algebra or linear control theory and, consequently, are in linear form. This paper, on the other hand, proposes a (sigmoid-basis) nonlinear power-control algorithm that is fully distributed and first order. The algorithm is obtained by discretization of the differential equation forms of the algorithm shown to be stable in the case of a feasible system. It is shown to be quadratically convergent in the neighborhood of its fixed point. We carried out computational experiments on a code-division multiple-access system. The results indicate that our algorithm significantly enhances the convergence speed of power control in an estimation error-free scenario and is more robust against estimation errors as compared with the linear distributed power-control algorithm of Foschini and Miljanic as a reference algorithm. The proposed algorithm was also verified with an advanced dynamic system simulator.     

采用距离无偏估计的加权最小二乘定位算法

随着WiFi网络的广泛覆盖,基于接收信号强度的定位技术成为研究热点。针对已有基于接收信号强度定位算法定位性能不高的实际问题,提出一种基于距离无偏估计的加权最小二乘定位算法。该方法首先利用接收信号强度观测模型计算得到信号源与传感器之间距离的无偏估计量,然后根据距离计算公式建立方程组;接着把距离的无偏估计量代入方程组得到关于信号源位置的线性最小二乘模型,同时计算线性最小二乘模型中的噪声协方差矩阵;最后运用加权最小二乘方法计算得到信号源位置的估计量。该文对所提算法进行了充分的计算机仿真,仿真结果表明:在不同的定位环境下,所提算法的定位性能均优于传统加权最小二乘算法和最佳线性无偏估计算法。      

Nonlinear techniques for interference suppression inspread-spectrum systems

The binary nature of direct-sequence signals is exploited to obtain nonlinear filters that outperform the linear filters hitherto used for this purpose. The case of a Gaussian interferer with known autoregressive parameters is considered. Using simulations, it is shown that an approximate conditional mean (ACM) filter of the Masreliez type performs significantly better than the optimum linear (Kalman-Bucy) filter. For the case of interferers with unknown parameters, the nature of the nonlinearity in the ACM filter is used to obtain an adaptive filtering algorithm that is identical to the linear transversal filter except that the previous prediction errors are transformed nonlinearly before being incorporated into the linear prediction. Two versions of this filter are considered: one in which the filter coefficients are updated using the Widrow LMS algorithm, and another in which the coefficients are updated using an approximate gradient algorithm. Simulations indicate that the nonlinear filter with LMS updates performs substantially better than the linear filter for both narrowband Gaussian and single-tone interferers, whereas the gradient algorithm gives slightly better performance for Gaussian interferers but is rather ineffective in suppressing a sinusoidal interferer