基于区域增长及边缘检测的一种图象分割方法

提出一种图象分割算法，这种算法综合了三种算法，即区域增长、边缘检测及保持边平滑平衡，它可以明显地克服区域增长及边缘检测各自的缺点，在这种方法中还引进了边界平滑算法使得分割所产生的边界更可靠，可直接应用到三图象分割，医学图象分割的实验中，证明了这种方法的有效性。     

基于改进人工势场法的车辆路径规划与跟踪控制

针对采用传统人工势场法进行车辆路径规划时易造成局部极小值与目标不可达的问题,通过改变斥力函数并增加车道边界约束条件函数的方式改进传统人工势场法,进行车辆路径规划。采用模型预测控制(model predictive control, MPC)算法跟踪控制改进人工势场法生成的规划路径,采用软件CarSim与Simulink搭建联合仿真模型对路径跟踪效果进行仿真试验。结果表明：改进人工势场法路径规划合理有效;跟踪路径与规划路径的横向误差小于0.4 m。改进人工势场法和MPC算法应用于无人驾驶车辆的路径规划与跟踪控制具有可行性。     

基于Harris的改进SIFT算法

SIFT算法是一种具有尺度不变性的特征提取算法,能够有效地提取图像中的局部特征.为了在提高SIFT算法实时性的同时兼顾算法鲁棒性,利用Harris算法思想中使用图像灰度一阶偏导数的局部自相关函数的方法对SIFT算法进行改进,消除SIFT算法中因使用Hessian矩阵出现的边界效应.这种改进方法可以有效去除SIFT算法中因使用Hessian矩阵消除边界效应时提取出的处于边界位置或亮度不够的特征点,提高图像拼接的质量.实验证明改进的算法提高了算法的检测时间和鲁棒性,将改进的算法应用于制作虚拟漫游系统,取得了良好的效果.     

���ڽ�ͨԼ���ĸ�Ч·���滮�㷨

分析了路径规划问题及其在交通约束条件下的特点。从算法改进和模型改进两方面对路径规划算法进行了研究,在详细分析Dijkstra算法步骤和对偶法的基础上,给出了交通约束的数学模型及道路网络的相关定理。基于传统Dijkstra算法,对搜索过程中的节点和边的标记方式和规则进行了改进,提出了一种在交通约束条件下的高效路径规划算法。该算法通过减少搜索节点和标记边的次数而减少搜索过程中的运算量。仿真结果表明,该算法对偶法1/3～1/4的运算量。     

一种基于预处理的边界检测算法

分析了常用的轮廓跟踪算法，并指出了其缺点．针对不同连通区域的图像，提出了一种基于预处理的边界检测算法．该方法可直接从原始图像中提取边界，而不需要进行边界强度计算和阈值分类．该算法用统一的方法处理单连通域、复连通域和不连通域的各种复杂情况，避免陷入复连通域和不连通域关系的先深分析或先广分析，将其化难为易，并且其运算量小，准确率高．     

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

改进的混合遗传算法及其应用

本文针对简单遗传算法的缺陷,设计了一种混合型搜索策略对算法进行改进。这种改进的算法归一化处理了复杂的约束条件,利用精英策略和轮盘赌策略选择最优个体,多点交叉和动态的变异操作使得种群保持多样性。通过改进,使得算法更小几率陷入局部最优,仿真实验表明,这种算法在稳定性、收敛精度上得到了较好的效果。     

基于边界点云数据的3次B样条曲线拟合

点云边界特征线是指能够表达实物样件原始边界特征的测量点。边界不仅作为表达曲面的重要几何特征,而且作为求解曲面的定义域,对重建曲面模型的品质和精度起着重要作用。提出空间点云边界提取方法获取边界点云数据,然后通过“构造树型特征链”和3次B样条算法实现边界点云数据曲线拟合。     

基于自适应模型预测控制的智能车轨迹跟踪

针对传统模型预测算法在智能车辆轨迹跟踪的局限性,引入随道路曲率变化的速度自适应调节算法,设计轨迹跟踪控制器。设计目标函数及添加约束条件,通过Matlab/Simulink软件,在不同车速下与传统算法进行比较,仿真结果表明:不同的纵向车速对传统算法的轨迹跟踪有一定的影响,而对改进后的算法影响较小。尤其当车速较高时,改进后的算法轨迹误差更小,能保证车辆安全、稳定地行驶。     

图像处理算法的效果评价标准分析

图像处理算法研究的评价结果是用来说明所研究算法的价值的基本论据，在图像采集和处理的过程中，规范化和标准化是算法评价的基本要求，文中归纳出现有图像处理算法评价的方法的基础上，分析了不同算法评价存在的问题，并对改进算法评价的理论与方法提出了进一步的思考．     

带内外边界约束的平面点集Delaunay三角剖分

算法首先将离散点与约束边界点一起进行Delaunay三角剖分,形成初始Delaunay三角网,然后将约束边界上的各条约束线段通过局部更新依次嵌入已有的三角网,最后再删除多余的三角形,从而得到带内外边界约束的平面点集Delaunay三角剖分.     

公路重大交通基础设施哑铃型路网边界算法

针对公路重大交通基础设施(如特大桥、长大隧道等)的分布特征,从交通安全管理的角度,提出哑铃型路网的概念,重点对其路网边界算法进行探讨.在分析边界类型及约束特征基础上,构建时间成本效益函数作为目标函数,根据不同的交通流量,推导出哑铃型路网的边界算法.边界算法的实现是哑铃型路网整体算法的基础.为后期通路求解、路线诱行以及路网安全管理研究提供了分析平台.     

公路重大交通基础设施哑铃型路网边界算法

针对公路重大交通基础设施(如特大桥、长大隧道等)的分布特征,从交通安全管理的角度,提出哑铃型路网的概念,重点对其路网边界算法进行探讨.在分析边界类型及约束特征基础上,构建时间成本效益函数作为目标函数,根据不同的交通流量,推导出哑铃型路网的边界算法.边界算法的实现是哑铃型路网整体算法的基础.为后期通路求解、路线诱行以及路网安全管理研究提供了分析平台.     

无网格对称粒子法中两类热边界条件的处理

第二、三类边界条件对无网格对称粒子法求解瞬态热传导问题的计算精度和稳定性有重要影响。提出一种有效的方法来处理这两类边界条件。该方法采用统一表达式描述两类边界条件,并将边界粒子分为光滑域内的边界粒子和非光滑域的边界粒子。对于前者,在温度导数的对称粒子近似中引入边界条件方程,精确地施加边界条件;对于后者,根据其相邻粒子的温度导数,采用具有一阶连续性的粒子近似,计算出其温度导数。应用该方法计算了一个数值算例。计算结果与解析解和有限元法的计算结果符合良好,且计算误差随时间呈下降趋势,说明该方法具有良好的精度和稳定性。     

基于粒子群和蚁群算法的边界层微分方程求解

沿竖壁自然对流边界层微分方程组速度和温度均耦合,在打靶法中应用Newton求根的方法解对应的相似性微分方程组时对初值选择要求较高,在根值附近收敛变慢.将微分方程边值问题转化为初值问题求解的打靶过程可看作优化设计问题,用优化设计算法求解.将基于生物群信息传递规则和觅食规则提出的粒子群算法和蚁群算法应用到打靶法的求解过程中,并与其它优化算法计算结果进行了比较.结果表明,粒子群算法和蚁群算法用于沿变壁温竖壁自然对流层流边界层微分方程求解是可行的,计算过程稳定,对初值选择不敏感.     

物理大地测量边值问题的自然边界元解法

物理大地测量边值问题是物理大地测量学的核心问题和理论基础.在数学上表示为Laplace方程的以大地水准面为边界面的第三外部边值问题,即Stokes边值问题.文中在物理大地测量Stokes边值问题的球近似下,将Stokes边值问题转化为Neumann外问题,用自然边界元法,对Neumann外问题进行自然边界归化,得到自然边界积分方程,再求自然边界积分方程的数值解,并给出了一个算例.     

大地测量混合边值问题的自然边界元解法

在物理大地测量边值问题的球近似下.将大地测量混合边值问题转化为Neumann外问题,用自然边界元法,对Neumann外问胚进行自然边界归化,得到自然边界积分方程,再求自然边界积分方程的数值解.在球界面下,利用自然边界元方法,将大地测量混合边值问题的求解,转化为线性方程组的求解,而线性方程组的解存在惟一稳定,因而大地测量混合边值问题的解存在惟一稳定.     

Delaunay三角网剖分中嵌入约束边的局部调整算法

提出了一种建立约束Delaunay三角网（CDT）的算法，该算法对约束数据集先建立非约束Delaunay三角网，然后嵌入约束边对其影响域按角度最大原则进行局部调整，同时使其满足CDT的性质。详细地说明了在CDT中嵌入约束边的过程，同时给出了三角网拓扑关系更新的方法，最后对算法的时间效率进行了分析。该算法执行效率高，并且运行稳定。     

大地测量Stokes边值问题的自然边界元解法

对球近似的大地测量边值问题,从扰动位的Poisson积分公式出发,推导了大地测量Stokes边值问题的重力异常球谐函数级数表达式,再基于虚功原理,将重力异常球谐函数级数表达式写为变分方程,即大地测量边值问题的自然积分方程,然后再用离散化技术,将所得到的自然积分方程转化为代数线性方程组,通过对代数线性方程组求解,即可得大地测量Stokes边值问题的数值解.     

流固耦合系统库底边界对动水压力的影响

推导了流固耦合系统库底吸收边界条件的影响矩阵，并计算了库底不同反射系数的坝体动力耦合反应。结果表明：坝体的动力反应与库底边界条件密切相关，一般而言，反射系数愈大，坝体的动力反应也愈大，库水的动水压力也相应变大，因此忽略库底的吸收性将造成极大的误差。