多源融合导航系统的融合算法综述

多导航源的信息融合算法是多源融合导航系统的核心技术,根据各类算法的结构特性,将融合算法分为三大类:集中式融合算法、并行式融合算法和序贯式融合算法。通过对各类算法的仿真,总结出算法的特点和适用场景,并得出融合算法的发展趋势,为多源融合导航系统设计提供算法理论支撑。      

遥感影像不可见数字水印算法比较与分析

以遥感影像不可见数字水印算法为研究对象,介绍了当前主要空间域和频率域数字水印算法原理,包括以最低位算法和Patchwork算法为代表的空间域算法,以离散傅里叶变换算法、离散余弦变换算法和离散小波变换算法为代表的频率域算法,通过遥感影像数字水印嵌入和检测实验,对数字水印算法进行了主观分析、客观分析和抗攻击性评价。实验结果表明,频率域数字水印算法表现整体优于空间域数字水印算法,频率域算法中离散余弦变换算法和离散小波变换算法的表现较好,更适用于遥感影像数字水印算法的应用。     

基于蚁群算法的地图矢量化算法研究

蚁群算法是一种模拟进化的在图中寻找优化路径的几率型算法,能有效地解决一系列组合优化问题。将蚁群算法应用于森林资源地图矢量化过程中,提出一种基于蚁群算法的新的地图矢量化算法。详细讨论该算法,并与传统算法作比较。该算法在实际应用中取得了良好效果。     

Delaunay三角形构网的分治扫描线算法

Delaunay三角网作为一种主要的DTM表示法,具有极其广泛的用途。基于分治算法和逐点插入法的合成算法是目前研究较多的用于生成Delaunay三角网的合成算法。简要介绍和评价扫描线算法和分治算法后,提出一种新的基于这两种算法的合成算法。该方法兼顾空间与时间性能,稳定性较高,分别较扫描线算法和分治算法,运行效率和鲁棒性更优。     

一种基于N-FINDR的优化端元提取算法

N-FINDR算法是一种广泛应用的端元提取算法。由于N-FINDR算法时间复杂度高导致此算法运行时间长,相关学者提出了迭代N-FINDR算法(IN-FINDR)。基于IN-FINDR算法及凸体几何性质,提出了一种候选像元迭代N-FINDR算法(CIN-FINDR)。实验结果表明,该算法时间复杂度较小,效率更高。     

GABA算法的遥感图像分类

为了弥补蝙蝠算法后期收敛速度慢、寻优精度不高、易陷入局部最优值的缺点,本文提出了一种新的遥感图像分类算法--GABA算法,该算法将遗传算法中的选择、交叉、变异操作应用到蝙蝠算法中,使蝙蝠算法具有变异机制,避免种群个体陷入局部最优,提高了算法全局寻优能力,增加了蝙蝠算法的多样性。同时,为了突出本文算法的优点,试验将蝙蝠算法、K-means算法、粒子群算法与本文算法结果进行比较,分析评价遥感图像的分类结果。试验表明本文算法在遥感图像分类应用中既提高了分类精度又减少了分类时间,是一种可行、有效的遥感图像分类方法。     

一种改进的单模式匹配算法

为了进一步提高模式匹配算法的性能,在对两种经典单模式匹配算法KMP和BM分析的基础上,结合二者的优点,提出了一种改进的单模式匹配算法。该算法主要利用KMP算法的"部分匹配"结果和BM算法的"后缀匹配"优势,对匹配过程中的字符移动距离做了优化。通过将改进算法与KMP算法、BM算法进行实验测试与分析,证明改进的算法性能稳定,匹配效率明显得到提高。     

一种基于改进Keren空域配准方法的Papoulis-Gerchberg超分辨率重建

详细介绍Keren亚像素配准算法及其不足,提出Keren算法及其迭代算法的改进算法。该算法基于简化的四参数仿射变换模型而不是传统的刚体变换模型,成功避免了Keren算法因为角度的泰勒级数展开所带来的误差,大大提高了配准精度。实验仿真结果表明该算法与Keren迭代算法相比角度绝对误差有非常显著的降低。最后采用Papoulis-Gerchberg算法进行序列图像的高分辨率重建,实验仿真结果表明基于这种改进配准算法的超分辨率重建效果有较好的提高。     

一种基于Dijkstra并行线程算法的研究与实现

针对传统Dijkstra算法运行效率的问题,提出了一种基于传统Dijkstra并行线程的算法,该算法动态地将交通网络进行子网分割。通过实验测试了不同网络节点数量和弧段数量下传统Dijkstra算法和本文算法运行时间,实验结果表明本文算法能够缩减网络节点搜索空间,降低算法的时间复杂度,提高算法的运行效率。     

煤矿井下动态环境下的改进OSELM定位算法

在复杂多变的煤矿井下环境及时并准确地获取井下作业人员位置非常重要,井下通信环境高动态变化导致模型定位精度降低。本文将在线顺序极限学习机（OSELM）算法用于井下定位,与批量式定位算法GA-BP和ELM相比,OSELM算法能更有效地维持原模型定位精度。但OSELM算法存在病态矩阵求逆和平等对待所有新增数据的不足,导致该算法的稳定性和对动态环境的适应能力较差。本文在OSELM算法的基础上分别提出正则化OSELM算法、遗忘因子OSELM算法,以及融合正则化技术和遗忘因子机制的OSELM算法。试验表明,试验环境变化后,OSELM算法的定位精度比GA-BP和ELM算法的定位精度分别高1.428 2和1.162 2 m;在3 m误差距离范围内,所提正则化和遗忘因子的OSELM算法的定位精度均比OSELM算法高,融合两种机制的OSELM算法的定位准确率最高,比OSELM算法高5%左右。OSELM及其改进算法均能有效提高模型定位精度。