基于混沌变异粒子群优化算法的图像稀疏分解

提出了基于改进的粒子群优化（PSO）算法的匹配追踪算法,用于快速图像稀疏分解．改进的PSO算法利用尺度收缩混沌变异的精细局部搜索性能,使稀疏分解的匹配追踪算法具有良好的全局寻优能力,提高了稀疏分解在冗余字典中原子匹配的速度和准确度．用二维墨西哥草帽函数作为冗余字典的生成函数,以增强对图像边缘和轮廓的表达能力．仿真结果表明,用提出的算法实现图像稀疏分解比用遗传算法和PSO更快更有效,重建图像的视觉效果好．     

稀疏分解及其在图像压缩中的应用研究

主要针对涉及图像稀疏分解及其在压缩中应用的关键问题进行研究，研究内容集中在图像稀疏分解的快速算法、图像稀疏分解的效果及如何更好地把稀疏分解的结果数据应用到图像压缩编码中。在理论上，提出了稀疏分解中过完备原子库的集合划分。基于集合划分方法提出了基于FFT的稀疏分解算法和改进算法。针对基于FFT的稀疏分解算法的不足，提出了基于FHT的稀疏分解算法。利用智能计算方法（如遗传算法、蚁群算法、量子遗传算法和粒子群算法等）实现图像稀疏分解。使计算速度基本能够满足需要。在稀疏分解的基础上，分析了分解数据的分布规律，针对其分布和低比特率图像压缩的要求，提出了多种压缩编码方案，如对结果数据排序差分编码方法和指数预测编码方案。     

一种基于稀疏表示的交通图像去噪算法

将图像稀疏表示方法引入到交通图像处理中,实现了一种基于K-SVD的正交匹配追踪的交通图像去噪算法.该算法通过奇异值分解,DCT字典进行自适应更新,形成更能表示图像结构的超完备字典.实验结果表明,相对于传统图像增强方法(中值滤波、均值滤波、基于小波滤波)和基于DCT冗余字典的稀疏表示图像增强方法,该算法能更有效地去除交通图像噪声,得到更高的峰值信噪比.     

基于原子分解的辐射源信号二次特征提取

提出了基于原子分解的辐射源信号二次特征提取方法.在过完备多尺度Chirplet原子库基础上,首先用匹配追踪(MP)方法进行信号时频原子分解,并通过改进的量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的最佳Chirplet原子.在此基础上,降低特征参数的维度,提取最具分类意义的原子特征向量.对5种典型雷达辐射源信号的特征提取实验表明,提取的原子特征类内聚集性强、类间分离度大,证实了本文方法的可行性和有效性.     

基于FHT的实信号稀疏分解快速算法

提出了一种适合于计算机程序实现的稀疏分解快速算法．该算法利用Gabor原子时频参数结构特征,把信号稀疏分解中计算量极大的内积运算转换成信号的互相关运算,大幅度提高了信号稀疏分解的速度．对于实信号,用快速哈特莱变换（FHT）实现互相关的快速运算．仿真结果证实了该算法的有效性．     

基于FFT的MP信号稀疏分解算法的改进

针对基于FFT的MP信号稀疏分解算法中存在的计算量过大的问题,提出了改进算法.改进算法充分利用了当FFT算法的变换长度是2的整数次幂时运算速度最快的性质,用基2 FFF实现信号稀疏分解中的相关运算.理论分析显示,当数字信号长度为1 024采样点时,用FFT算法计算互相关的速度为直接计算的10.6倍.仿真实验结果表明,改进算法的计算速度为直接计算的8.05倍,为原基于FFT的MP算法的3.64倍.     

稀疏表示的人脸识别及其优化算法

稀疏表示的本质就是稀疏正规化约束下的信号分解。提出一种改进的正交匹配追踪算法,使运算量较高的矩阵求逆运算转变为轻量级的向量运算或向量与矩阵的运算,可以加快逆矩阵和大矩阵乘积的求解。将此算法应用于稀疏表示的人脸识别,探讨并验证了稀疏阀值的设置和训练字典的选择对人脸识别率和识别速度的影响。     

一种半自动的基于图像建模系统

针对目前各种类型航海模拟器的虚拟建模效率较低与真实感较差等问题,设计与实现了一种基于多幅图像及少量用户交互恢复物体三维几何模型的系统.本系统采用稳定性好的改进Har-ris算子进行角点检测,基于角点空间特征及交叉相关实现角点的初始匹配;采用基于极线约束的角点匹配快速算法完成角点的精匹配,同时引入迭代和人工辅助修正的方法解决匹配算法的退化情况.在角点匹配结果基础上进行仿射重建,通过升级矩阵实现度量重建,在OpenGL环境下绘制出物体的三维模型框架.从原图像中抽取纹理并采用多视角图像融合的方法进行纹理映射,得到"照片级"真实感的三维模型.     

一种基于小波多分辨率特征的彩色纹理图像检索

通过分析图像YCbCr空间的纹理与色彩特征,对色彩图像进行M带小波分解,提出了一种基于小波多分辨率特征和关系函数来计算图像相似度的彩色纹理图像检索方法.将小波分解后的16个子带系数作为图像的原始特征;运用模糊C均值算法对原始特征聚类分析,最后采用关系函数对查询图像和目标图像的模糊特征进行相似度计算,得到用户需求的图像.实验表明,该方法可以实现有效的图像特征提取,并能很好的检索出用户需求的图像.     

一种基于盲运算的1比特压缩感知重建算法

为了解决1比特压缩感知中符号匹配追踪算法(matching sign pursuit)在稀疏度未知的情况下不能自适应重构信号的问题,提出了向前/向后迭代符号匹配追踪算法(forward-backward matching sign pursuit, FBMSP).该算法以逐步逼近理论为核心,通过逐步扩大支撑集来扩大搜索范围,把相邻两次迭代的差值作为终止条件,在MSP算法模型下进行盲运算,以实现信号的重构.数值试验表明:在控制迭代系数=8,=1的情况下,FBMSP算法比传统的符号匹配追踪算法重构精度提高了3 dB,运算时间减少了40%.      

基于原子库结构特性的信号稀疏分解

在matching pursuit(MP)方法的基础上，利用信号稀疏分解中使用的过完备原子库结构特性，提出了一种新的信号稀疏分解算法。新算法兼顾了稀疏分解过程中计算量和存储量，信号稀疏分解的速度是常规的MP方法的15．9倍．实验结果证明了算法的有效性．     

基于下降搜索的量子进化算法

为了提高全局寻优能力和收敛速度，基于量子进化算法和混合遗传算法，提出了一种新的进化算法．该算法将下降搜索理论应用到量子进化算法中，改进了量子进化算法仅靠量子门进行迭代的作用，从而加快了收敛速度，并降低了个体在进化时产生退化的可能性．典型函数的仿真实验结果表明，该算法具有好的全局性和收敛性．     

含特殊负荷的配电网分层故障定位方法

特殊负荷接入配电网，增强了电源、负荷与电网之间的互动性，对故障定位提出了更高的要求，为此，提出了一种快速定位故障点的分层定位方法. 首先分析基于遗传算法的单层含特殊负荷配电网故障定位的不完备性；其次在单层模型的理论基础上，提出改进量子免疫算法的区域定位方法和隐枚举法的区段定位方法；最后对所提模型和基于单一智能算法的单层模型进行了对比仿真实验. 结果表明:与遗传算法、免疫算法和改进量子免疫算法构建的单层定位模型相比，所提分层定位方法大大简化了故障辨识模型的复杂度，在提高定位效率的同时保证了定位的容错性和稳定性，可将故障搜索维度降低69%，故障定位耗时在1 s以内，故障辨识率达到100%.      

�Ľ����Ŵ��㷨����ʱ�䴰���ͳ��������е�Ӧ��

针对有时间窗的车辆调度问题，在标准遗传算法的基础上，加入爬山算法增强算法的局部搜索能力，通过保护全局最优基因的方法提高了算法的收敛能力，并辅以自适应变异算子，构造了一种改进的混合遗传算法。实验结果表明，改进后的算法具有抗“早熟”能力强、收敛速度快和局部搜索能力强的特点。     

红外运动目标图像的识别与跟踪技术研究

文中实现了基于红外扫描图像的运动物体自动识别跟踪系统.选择了Butterworth滤波和中值滤波结合的方法对图像进行预处理,基于多帧图像的局部能量的分割算法来实现图像背景的分割,并采用卡尔曼跟踪算法和目标方位确定算法相结合完成对红外小目标的跟踪.在VC++中使用GDI来建立雷达扫描式的极坐标系,将目标运动轨迹在坐标系中显示出模拟轨迹.     

FAST IMAGE ENCODING ALGORITHM BASED ON MEAN-MATCH CORRELATION VECTOR QUANTIZATION

Introduction　　 Vector quantization (VQ) is an importanttechnique for image compression,and has beenproven to be simple and efficient[1,2 ] .Signal com-pression is achieved in VQ by using a codebookwith relatively few codevectors compared to thenumber of possible signal vectors. VQ can beviewed as a mapping from k- dimensional Euclideanspace Rk into a finite subset C of Rk.We call thisfinite set C the codebook and,moreover,C={ci|i= 1 ,2 ,… ,N},where ci is a codeword and N is thecodeboo…     

量子进化和模拟退火的混合优化算法

将量子算法和模拟退火算法相结合,提出一种量子进化和模拟退火的混合优化算法。本算法同时利用了量子算法的并行搜索能力和模拟退火算法的串行搜索能力,和量子算法相比有更快的收敛速度和更好的全局寻优能力。仿真实验也表明本算法有更好的搜索性能。