一种快速、高精度和稳健的影像匹配算法

在遥感影像应用中,匹配是一项很关键技术,它的优劣直接关系到后续成果的质量.而匹配质量本身的优劣又取决于匹配的速度、精度和可靠性.针对这三个方面的因素,本文探讨一种基于小波变换、遗传算法和最小二乘匹配的快速高精度影像匹配组合算法.小波变换用于减少匹配搜索数据,遗传算法用于优化搜索空间,而最小二乘匹配则用于获得子像素匹配精度.同时为提高遗传搜索的稳定性和匹配结果的可靠性,本文探讨一种改进的自适应算子概率遗传算法.该改进的基本原理是杂交概率依选择的两父代染色体间的Hamming距离而自适应的变化,变异概率则依父代个体的适应度而自适应的变化.实验结果表明:与传统方法相比,本文方法具有明显的性能优势.     

自适应遗传算法支持下的既有铁路曲线整正方法

针对拟合与最优化方法在铁路曲线整正问题中难以加入约束条件与计算精确里程的不足，提出一种使用自适应遗传算法求拨距总量最小值的方法。首先利用遗传算法限制性低的特性，在个体的并行计算中加入多种逻辑、比较运算，从而能够顾及各种约束条件，用黄金分割法搜索测点的拨距量和精确里程，最后累加测点拨距量并计算所有个体的适应度。种群繁衍过程中采用保留父代最优个体与自适应的交叉变异算子的改进策略，使种群在最优方向持续进化。通过大量仿真实验和实际工程数据验证，该方法具有较高的精确性和适用性。     

改进的自适应遗传算法支持下点云与BIM模型配准

在钢结构数字化检测中,点云与设计模型的配准是进行数字化检测的关键步骤,配准的精确度决定了检测分析的准确度。传统配准方法一般先进行粗配准再进行精确配准,计算量大且收敛速度缓慢。针对精确配准存在的问题,本文提出了基于改进的自适应遗传算法用于点云与设计模型的配准方法,自适应地调整交叉概率与变异概率的执行顺序及概率值的大小,提高了种群的多样性及收敛速度。试验证明,改进后的自适应遗传算法极大地提高了点云与模型配准精度和收敛速度。     

一种改进的自适应遗传算法在影像匹配中的应用

影像匹配是计算机视觉及数字摄影测量的核心问题。基于遗传算法的全局寻优特点及影像匹配的具体特点,本文将遗传算法引入到遥感影像的匹配定位中。针对遗传算法中变异概率、交叉概率在实验中始终保持不变的缺点,本文利用Fibonacci数列对基于遗传算法的影像匹配进行了自适应改进。实验结果表明这种方法可以产生一个快速而且可靠的匹配结果。     

一种基于遗传算法的曲线化简方法

提出一种基于遗传算法的曲线化简方法。根据曲线化简问题的特点,设计了保证有效的交叉算子和局部寻优的分裂变异算子;针对固定遗传概率容易引起早熟的问题,设计了可根据个体适应度及种群整体状态自适应调节的遗传概率。试验证明:与传统化简方法相比,该方法能得到更优的化简结果;与基于现有典型遗传算法的曲线化简方法相比,该方法具有更好的全局收敛性。     

遥感影像遗传算法增强处理

遗传算法作为一种智能优化算法,已广泛应用许多学科及工程领域.本文提出了利用遗传算法对遥感影像增强进行空域操作,设计中构造了一种简单且规一化亮度变换函数,并设计遗传算法实现影像的自适应增强.实验结果表明,该算法处理后质量比传统算法要好.     

彩色影像的遗传自适应增强

提出了一种彩色色形像自适应增强的算法，此算法充分利用了彩色影像饱和度和亮度所包含的信息，并利用遗传算法自适应地调整增强系数。对于不同的影像，本文算法均能使其对比度，目标边缘以及纹理特征得到增强。     

基于P-SA-PSO算法的概率积分法参数反演

针对目前概率积分法参数反演存在的问题,为了更加准确稳定地解算出概率积分法参数,在经典粒子群算法的基础上,引入自适应惯性权重以及模拟退火算法中的Metropolis准则,提出了一种基于P-SA-PSO算法的概率积分模型参数反演方法。论文通过仿真实验,与遗传算法(GA)、经典粒子群算法(PSO)以及加入自适应惯性权重优化的粒子群算法(P-PSO)进行对比分析,结果表明：新算法反演各参数的精确性、稳定性和收敛速度优于其他3种算法。将新算法引入工程实例中,进一步体现了新算法在反演概率积分模型参数上的可行性。     

分形分析中的无标度区确定问题

分形无标度区的求取是随机分形应用研究的前提和基础。介绍目前求解无标度区的几种方法并分析其优缺点，提出一种基于标准偏差的自适应方法。同时针对自然地形、遥感图像等特大尺度范围的情况，在该方法中引入遗传算法，应用遗传算法的快速寻优功能，加快标度区间的确定速度。将这些方法应用于地形分析中的分形参数提取实验，证明自适应方法能较为准确、可靠地提取分形参数；而加入遗传算法的改进方法，大大地缩短了无标度区间的搜索时间，为大尺度范围分形对象的特征值快速测量提供有力的支持。     

遥感影像遗传算法增强处理

遗传算法作为一种智能优化算法,已广泛应用于许多学科及工程领域。提出利用遗传算法对遥感影像增强进行空域操作,设计中构造了一种简单且规一化亮度变换函数,并设计遗传算法实现影像的自适应增强。实验结果表明,该算法处理后质量比传统算法要好。     

基于改进人工蜂群算法的概率积分法参数反演

针对传统算法在反演概率积分法参数时易发散且难以获得全局最优解的问题,提出利用自适应人工蜂群算法反演概率积分法参数。根据该算法在求解过程中收敛速度快,获得全局最优解的特点,将参数反演问题转化为组合优化问题,建立了自适应人工蜂群算法的概率积分法预计参数反演流程,并将计算结果与实际值进行对比分析。通过理论分析与实验证明,自适应人工蜂群算法反演概率积分法参数精度高,较最小二乘法和模矢法拟合效果好,可应用于矿山开采沉陷预计。     

基于遗传算法的整周模糊度解算方法

在卡尔曼滤波的基础上,利用高斯变换降低各整周模糊度之间的相关性,然后利用遗传算法进行搜索,提出了自适应遗传算法,改进了搜索效果,仿真结果表明,自适应遗传算法有更快的搜索速度和更强的鲁棒性.     

基于松弛法的影像边缘提取

提出一种基于松弛法的影像边缘提取算法。本文详述了边缘标号的设置及初始概率的计算，并根据邻域内的信息分布，综合考虑了边缘的先验知识，设计出自适应的支持函数。     

基于自适应遗传算法和改进BP算法的遥感影像分类

介绍了采用自适应遗传算法和改进BP算法相结合的混合算法来训练BP网络的方法，即先用自适应遗传算法进行全局训练，再用改进BP算法进行精确训练，以达到加快网络收敛速度和避免陷入局部极小值的目的。结果表明，该算法收敛速度快，分类精度较高。     

遗传算法在城市道路控制点标高优化设计中的应用

建立了进行城市道路控制点标高优化设计的数学模型。从这个数学模型的结构可以看出，这个模型是非线性和不确定性的，采用传统的搜索方法不大可行，但遗传算法对解决这类问题十分有效。本文提出了遗传算法一种新的应用方面，结果表明，遗传算法或许是进行城市道路控制点标高优化设计中一种比较好的方法。     

基于改进遗传算法的遥感图像边缘检测

遥感图像的边缘信息包含了丰富的地物形状特征,边缘提取是图像分析的重要手段。本文在对简单遗传算法分析的基础上,对它的三个算子进行了部分改进,其中选择算子采用无回放余数随机选择,交叉算子采用非等概率融合单阈值单点交叉,并采用自适应改变的变异算子在保护最优个体的同时,加快较差个体的淘汰速度。把该改进的遗传算法用于遥感图像边缘阈值的选取中,与简单遗传算法相比,缩短了平均进化次数,且图像定位准确,边缘检测效果明显。     

基于松弛法的影像边缘提取

提出一种基于松弛法的影像边缘提取算法．本文详述了边缘标号的设置及初始概率的计算，并根据邻域内的信息分布，综合考虑了边缘的先验知识，设计出自适应的支持函数．     

基于智能遗传算法和Otsu法的多目标图像分割方法

为了克服传统遗传算法在优化多目标图像分割参数时易陷入局部收敛和搜索效率低的缺陷,本文提出一种基于智能遗传算法和Otsu法的多目标图像分割方法,并将它应用于航空影像的分割。实验结果表明,本文提出的算法比传统遗传算法可以更加快速、更稳定地获取图像分割的最优阈值。     

结构保持的图像序列自适应超分辨率重建

基于概率运动估计的超分辨算法能克服传统超分辨率方法过分依赖于准确运动估计的缺点,为了改善其重建效果,通过分析图像的局部结构模式,给出了局部空域活跃度的定义表征图像的局部结构特征,设计了形状、尺度自适应的非局部空时邻域窗口函数,进而提出了一种结构保持的超分辨率自适应重建算法。实验结果显示,本文方法具有更好的重建性能。     

基于遗传优化的分段线性影像增强

影像增强对于弥补影像对比度和清晰度的退化是非常有效的.本文在分析几种典型影像增强技术优缺点的基础上提出了一种新的影像增强技术.该技术首先将传统的分段线性增强算子修改为带参数的算子,然后用遗传算法对这些参数进行自适应动态调节以获得满足问题需要的增强结果.试验验证了该思想的合理性和有效性.与传统的影像增强技术相比,该技术明显具有较高的自动化与智能化水平.