基于能耗优化的四旋翼无人机航迹规划:分段式高斯伪谱法

在四旋翼无人机航迹规划中引入能耗优化策略以延长其飞行时间,能够显著提升其实用性和经济性。为此,提出了一种基于分段式高斯伪谱法的能耗最优航迹规划算法。首先,构建了四旋翼无人机运动学-能耗综合模型,能定量描述无人机运动学及能耗间耦合关系;其次,基于此模型,将考虑能耗优化的航迹规划问题转化为带约束的连续时间优化问题;最后,设计了分段式高斯伪谱法求解出优化航迹,其中通过滑动选取优化子区间的方法,在航点数量较多的复杂飞行任务中有效缩短了计算时间,同时提升了轨迹的平滑性和航点跟踪准确性。仿真和实验结果表明,与传统定航点飞行相比,所提算法能大幅降低飞行能耗,与常用优化算法相比,所提算法在保证能耗优化效果的同时,所需计算时间更短,航点跟踪精度更高。

结合光源分割和线性图像深度估计的夜间图像去雾

夜间有雾图像通常具有对比度低、光照不均匀、颜色偏移以及噪声较多等现象,这些退化现象使得夜间图像去雾具有极大的挑战性。针对夜间图像存在的退化问题,本文提出了一种能够在夜间图像中有效去雾并提高图像质量的方法。首先,将图像分解成光晕层和有雾层,并对有雾层进行颜色校正。其次,通过一种新提出的带有伽马变换的图像光源分割方法来分割光源,并设置分割阈值作为像素点属于光源区域的概率值。然后,将得到的概率值与最大反射先验相结合来估计光源和非光源区域的大气光值。最后,根据图像深度与亮度、饱和度以及梯度之间的关系建立线性模型,进一步估计透射率的值。实验得到的分割阈值为0.07,线性深度估计参数分别为1.0267、−0.5966、0.6735、0.004135。实验结果表明本文方法在夜间图像去雾、消除光晕、减少噪声,以及提高可视度方面取得良好的效果。

结合天空分割和雾气浓度估计的图像去雾

针对图像去雾算法在天空区域出现恢复不真实以及雾气浓度估计精度不足等问题,本文提出天空区域分割和雾气浓度估计的去雾算法。首先,为了提高透射率的估计精度以及提升去雾效果,利用梯度阈值和亮度阈值分割天空区域。其次,采用改进的暗通道先验和四叉树细分法估计大气光值。最后,针对天空区域和非天空区域采用不同的透射率估计方法,对于天空区域采用亮通道先验方法,对于非天空区域提出了线性雾气浓度估计模型。结合像素点概率分布得到透射率并采用引导滤波方法进行边缘细化,利用大气散射模型获得最终复原图像。实验结果表明,去雾后的图像在主观和客观质量评价方面表现良好,所提出的算法能够使天空区域恢复自然,去雾更加彻底,增加了图像细节的清晰度。本文算法的运行速率与当前主流算法相当,针对不同有雾场景去雾表现的稳定性优于其它算法。

改进暗通道先验的航空图像去雾

目前较为流行的去雾算法都存在着过度增强以及增强不足,容易造成光晕效应以及色彩严重失真。提出一种基于四叉树细分的改进大气光估计方法以及一种改进的引导滤波用来解决这些问题。首先,对非重叠暗通道使用四叉树细分方法估计更加可靠的大气光值。然后,分析引导滤波在边缘区域的光晕效应产生的原因,对其加入自适应权重因子,用改进后的引导滤波对初始传输图进行优化。最后,用估计的大气光值和优化后的传输图根据大气散射模型得到去雾图像。实验结果表明:去雾后的图像颜色较为可靠,边缘区域光晕效应减弱。从颜色可靠性和细节增强度来说,提出的算法比现阶段的去雾算法有较为出众的表现。

图像去雾方法质量评价

针对近年来去雾算法质量的评价方法普遍依赖主观评价结果,但缺乏定量描述;现有的客观质量评价方法与主观评价方法之间的一致性不稳定,使两者有时会出现分歧的问题。为提升针对去雾方法的客观质量评价性能,本文提出了一种基于人工合成图像的全参考去雾方法质量评价。首先,建立合成图像数据集,数据集包括参考无雾图像,合成有雾图像,对这些合成有雾图像使用8种主流去雾算法得到的去雾图像。然后,将去雾后图像可能引入的一些质量问题进行分类。最后,通过结合清晰度相关特征和现有的客观质量评价,针对性地提出了一种由图像可视性、结构相似性和颜色恢复度相互融合的去雾方法质量评价。在合成图像数据集中,将本文方法与现有典型的图像质量评价方法进行对比实验,实验结果表明:对于合成图像数据集,本文提出的方法在SRCC、PLCC和RMSE指标上表现最优。本文方法与主观评价的一致性更高,更有利于支持去雾算法的研究。