Accurate Registration of Remote Sensing Images Based on Local Optimal Transformation

As the basic work of image stitching and object recognition,image registration played an important part in the image processing field.Much previous work in registration accuracy and realtime performance progressed very slowly,especially in registrating images with line feature.An innovative method for image registration based on lines is proposed,it can effectively improve the accuracy and real-time performance of image registration.The line feature can deal with some registration problems where point feature does not work.Our registration process is divided into two parts.The first part determines the rough registration transformation relation between reference image and test image.Then the similarity degree among different transformation and modified nonmaximum suppression(MNMS)algorithms are obtained,which produce local optimal solution to optimize the rough registration transformation.The final optimal registration relation can be obtained from two registration parts according to the match scores.The experimental results show that the proposed method makes a more accurate registration relation and performs better in real-time situation.

基于多视角三维航摄影像的树高提取方法比较

树高是一个重要的立木调查因子,传统树高测量方法是利用测高器人工测量,该方法调查速度慢,效率低下.重叠的立体像对,可以反映地物的高度信息,为大面积树高信息提取提供了可能.本研究采用大疆Phantom 4 RTK无人机获取研究区航摄影像并构建立体像对,分别从不同视角采用三维模型直接测量法、倾斜摄影点云提取法、冠层高度模型局部最大值法进行了树高信息提取.研究结果表明,三种方法林木检测率依次为:82.5%、76.8%、71.1%,测得的树高结果精度分别为:R2=0.730,RMSE=1.699;R2=0.804,RMSE=1.459;R2=0.766,RMSE=1.548.三维模型测量法获取的树高提取率最高,倾斜摄影点云提取的树高值与实测值的拟合度最高.研究结果利用航摄影像能够高效地提取树高信息,为林业研究调查提供一种低成本、高效率的方法.

基于改进鹦鹉算法的光伏多峰值MPPT控制

针对光伏阵列在光照不均条件下呈现多峰突变,导致传统的最大功率点追踪失衡问题,提出了一种基于改进鹦鹉算法的MPPT控制。首先考量Halton序列进行种群初始化,使多样性变化显著;其次选取切线搜索算法中的切线飞行机制减少动态跳跃,克服早熟和局部极点问题;后期通过鹦鹉翻筋斗觅食策略进行二次更新,减小自适应范围,加速收敛。对比传统鹦鹉算法、金豺算法以及灰狼优化算法,测试结果显示,改进的鹦鹉算法的MPPT控制跟踪效率分别为98.23%、97.26%、96.91%和96.81%,跟踪时间分别为0.077 s、0.112 s、0.127 s、0.156 s,最后通过实验验证跟踪精度和速率均显著高于其余3种算法。

基于IWOA-BA的局部遮阴下光伏最大功率追踪

针对光伏阵列在局部遮阴下呈现多峰突变,导致传统最大功率点追踪算法(MPPT)失能的问题,提出了自适应权重及随机差分策略鲸鱼优化算法(IWOA)和蝙蝠算法(BA)的复合算法IWOA-BA.首先考量IWOA突变收敛因子及可变权重策略,使局部寻优和全局搜索能力达到动态平衡,迭代变化显著;然后,通过BA局部搜索机制进行有效变异操作,提高跳出局部最优解的能力;算法后期通过随机差分变异策略对个体位置进行二次更新,以此增加种群多样性;最后,对比传统粒子群算法(PSO)、斑马优化算法(ZOA)、鲸鱼算法(WOA),通过Simulink仿真测试结果显示,IWOA-BA在静态和动态的追踪速度和寻优精度上都具有显著优越性.

局部遮荫下基于改进金枪鱼算法的光伏最大功率点跟踪控制

光伏阵列在局部遮荫环境下的P-U特性曲线呈现多峰特性,导致传统最大功率点跟踪(MPPT)算法在跟踪最大功率时失效。为此,提出一种基于改进金枪鱼算法的光伏MPPT双层控制模型,在上层中将莱维飞行(Levy)策略和多项式变异策略嵌入金枪鱼算法中,构建莱维-多项式变异金枪鱼算法(LPTSO)来搜索全局功率最大点;在下层中采用扰动观察法对全局最大功率点进行局部跟踪,以降低局部遮荫环境下的功率振荡。将该双层控制模型应用于光伏MPPT仿真系统中,仿真实验结果表明,针对多峰MPPT控制,所提模型在收敛速度、跟踪效率、功率振荡等方面都有较大提升,该光伏MPPT双层控制模型能够有效解决局部遮荫环境下最大功率跟踪失效的问题。

基于FCS算法的光伏阵列最大功率追踪

局部阴影情况下,光伏阵列输出功率具有多峰值特性,针对最大功率点跟踪(Maximum power point tracking,MPPT)算法在实际应用中存在着收敛速度较慢,效率较低,且容易陷入局部功率极值的问题,将兼顾收敛速度、精度、功率稳定性的快速布谷鸟搜索(Fast cuckoo search,FCS)算法应用于光伏阵列最大功率追踪。FCS算法采用自适应步长和机会因子可避免过早收敛,全局搜索和跳出局部搜索能力强,收敛速度快,算法后期局部开发能力强,功率振荡小,功率输出稳定,最大功率追踪精度高。仿真表明,在静态阴影、动态阴影条件下,FCS算法较灰狼算法(Grey wolf optimizer,GWO)、粒子群算法(Particle swarm optimization,PSO)具有更快地收敛速度和更高的收敛精度,且稳定性好,有效地提升光伏阵列的输出效率。

基于改进白骨顶鸡算法的局部荫蔽光伏MPPT

针对光伏发电系统在局部荫蔽下传统最大功率点追踪方法极易陷入局部最优而导致功率震荡范围较大等问题,提出一种基于改进白骨顶鸡算法的光伏MPPT方法。该算法在传统白骨顶鸡算法的基础上,将Logistic-Sine-Cosine混沌映射因子引入种群跟随者的链式移动中,从而使链式移动变为混沌移动,让算法具备跳出局部最优解的能力;对每次寻优结束后的当前最优位置进行柯西变异,对比变异前后择优更新替代,增加算法的全局搜索能力。在四种光照模式下,将ICOOT与另外三种算法的MPPT进行仿真分析。结果显示,所提改进算法的追踪速度为0.14 s,1.13 s,0.13 s,1.07 s,系统稳定率为99.43%,99.34%,98.73%,98.80%。综合来看,ICOOT在用于光伏发电局部隐蔽MPPT时能有效解决传统算法易于陷入局部最大功率点而导致寻优速度慢、功率震荡大的问题。

基于改进Jaya算法的光伏最大功率追踪控制

针对光伏阵列在局部阴影或者光照不均匀情况下,追踪最大输出功率收敛慢、精度低的问题,提出一种改进Jaya算法的光伏最大功率跟踪控制策略.其无需依赖特定的算法控制参数,并引入收敛因子和自适应迭代次数等策略,进一步提升算法的收敛速度和精度.在MATLAB/Simulink中搭建光伏阵列仿真模型,将改进Jaya算法与传统追踪算法在同一模型下进行对比分析,结果表明,改进后的Jaya算法在复杂光照条件下具有更快的追踪速度与更高的精度,能够提高光伏系统的发电效率.

基于局部能量密度的中介轴承故障特征提取与诊断方法

针对航空发动机中介轴承振动信号在复杂传递路径和强背景噪声条件下的故障特征提取难题,本文提出了一种基于局部能量密度(LED)的中介轴承故障特征提取与诊断方法。首先,采用奇异谱分析对故障信号进行初步的降噪处理,并通过基于余弦值的方法确定最优的重构阶次,以保留信号中的关键故障信息。接着,引入新指标LED,用于量化故障特征频率及其谐波在局部频率范围内的能量比例。该指标不仅能有效提取微弱的故障特征,而且对于实际故障频率与理论故障频率之间可能存在的偏差表现出较强的鲁棒性。以LED作为适应度函数,通过人工蜂鸟算法优化的最大相关峭度解卷积(MCKD)增强奇异谱分析降噪后信号中的故障特征。最后,通过包络谱分析完成故障诊断。本文通过中介轴承故障模拟实验和加噪实验验证了所提方法的有效性,实验结果表明,与现有的故障诊断技术相比,本文所提出的方法的故障特征系数(FFC)和LED分别增加20.7%~218%和22.9%~134%。在0 dB,-4 dB和-10 dB噪声条件下,该方法仍准确地识别到外圈故障的特征频率及倍频,表明所提出的SSA_MCKD能有效降低信号噪声并提取滚动轴承的故障特征。

一种改进的正射影像镶嵌线最小化最大搜索算法

正射影像在影像边缘和覆盖有房屋、树木等地物的区域上表现出投影差,且投影差在不同的影像上不相同。当两幅正射影像镶嵌时,在重叠区域的差分影像上,这些区域表现为高亮度区,理想的镶嵌线应避开此类区域。采用改进的最小化最大算法在正射影像重叠区域的差分影像上自动搜索镶嵌线,其中采用贪心法取代Dijkstra算法进行局部路径选择,并且改进算法判定条件。试验表明,改进算法搜索的镶嵌线能够很好地避开投影差大的区域,且具有较好的自适应性。

基于两期无人机影像的针叶林伐区蓄积量估算

【目的】提出一种基于两期无人机影像的针叶林伐区蓄积量估算方法,为促进无人机数据在多类型林业样地资源调查中的深度应用提供依据。【方法】以福建省三明市将乐县金森林业股份有限公司伐区森林小班为试验区,首先,利用无人机遥感获取分辨率优于10 cm的两期影像,经Pix4D软件处理得到点云数据,在此基础上将小班区域未采伐前的林冠点云匹配到采伐后的小班地形点云上;然后,通过布料模拟滤波算法(CSF)分离匹配后的林冠点云和地形点云,采用自然领域插值法分别将林冠点云数据插值生成数字表面模型(DSM)、地形点云数据插值生成数字高程模型(DEM),二者相减获得冠层高度模型(CHM);接着,基于改进的局域最大值法搜索冠层高度模型中的林冠顶点,提取树高;最后,根据野外采集的400株马尾松和杉木树高、胸径数据,建立5个适用于福建省马尾松和杉木的胸径-树高模型,选择相关系数最高的模型推算胸径,并利用福建省单木材积公式估算小班区域蓄积量。【结果】1)两期无人机数据的点云匹配能较好消除陡峭地形对树高提取的影响;2)改进的局域最大值法可有效减少固定窗口搜索林冠顶点时出现的多提和漏提错误;3)小班区域估算株数为339株,实测株数为366株,估算的平均树高为18 m,实测平均树高为19 m,估算蓄积量为182 m^3,实测蓄积为199 m^3,株数、树高和蓄积量的估算精度均较高。【结论】借助无人机遥感技术,可实现森林蓄积量自动化估算,降低传统野外调查成本,推动森林资源的快速调查和更新。

基于差分进化与块结构邻域的作业车间调度优化

作业车间调度问题是一类非常重要的生产调度问题,具有广泛的工程应用背景。针对优化最大完成时间指标,研究通过交换或插入关键路径块结构中的工序产生可行解的方法,提出基于块结构的交换邻域和插入邻域。结合问题的结构特点和基本差分进化算法的原理,提出一种解决作业车间调度问题的离散差分进化算法。该算法采用基于操作的编码方式,设计了离散的变异算子和交叉算子,能够直接产生可行调度解。进而提出一种自适应的多邻域局部搜索算法,并将其嵌入离散差分进化算法中来改善优化质量;基于典型算例的仿真试验验证了所提算法的有效性和优越性。

一种新的基于RFID的室内移动机器人自定位方法研究

针对室内移动机器人自定位算法定位精度不高、定位误差存在波动的问题,提出了一种RTFL(RFID tag floor based localization)定位算法与RSSI定位算法相结合的室内移动机器人自定位方法。由RTFL定位算法给定机器人位置估算初值和机器人所在的范围,通过基于RSSI的机器人自定位系统进行机器人位置的进一步精确定位。求解过程中,通过遗传算法求解极大似然方程组,并提出染色体的筛选和剔除策略。仿真实验结果表明,该方法在有效的时间内完成定位,平均定位误差为0.157 2 m,与传统的改进方法 0.332 14 m的定位误差相比,降低了近一倍。并且新方法受环境影响较小,鲁棒性较好,能够很好地满足室内移动机器人的定位要求。

基于RSSI极大似然估计定位算法的分析与实现

通过分析极大似然估计法进行求解方程未知节点位置可知,代入最后一个方程锚节点（参照锚节点）的测距误差会对极大似然估计法定位误差产生较大影响,并实现了基于RSSI的极大似然估计定位算法实测实验.实验结果表明,参照锚节点不带测距误差与参照锚节点带测距误差相比,前者的定位误差小,在30m×30m方形定位区域内前者较后者平均定位误差值减小0.4～1.0m.

基于RSSI的极大似然与加权质心混合定位算法

随着无线传感器网络的发展,日益需要更加精确的位置信息来支撑其相关的应用。通过分析待定位节点定位过程中产生的误差,对二阶段定位算法、接收信号强度指示(received signal strength indicator,RSSI)定位技术和质心算法进行深入的研究,提出了极大似然与加权质心混合定位算法:首先通过极大似然估计法对待定位节点进行粗略估计,然后利用加权质心算法对待定位节点坐标估计求精,进一步提高定位精度。仿真实验结果表明,该算法能够在定位精度方面有较大的提高。

基于RSSI的无线传感器网络加权质心定位算法

节点定位是无线传感器网络中的关键技术之一.文中通过对无线电传播路径损耗模型的分析,提出了加权质心定位算法,用信标节点对未知节点的不同影响力来确定加权因子,以提高定位精度.并且在理论分析的基础上,提出了优选信标节点进行节点定位计算的规则,以此进一步提高节点定位精度.加权质心定位算法计算简单,定位过程中节点间无通信开销.节点定位精度较常用的极大似然估计算法高,具有较普遍的应用意义.

Li-Openshaw算法的改进与评价

Li-Openshaw算法是一种基于客观综合自然规律的自适应线状要素综合算法,使用该算法可得到较合理真实的综合结果。在分析Li-Openshaw算法特点的基础上,依据线化简的原则和目的,对算法进行改进:①首先提出利用点与直线的关系来识别弯曲以找出所有局部极大值点的方法以保持曲线整体形状;②SVO圆形与待综合曲线发生多次相交时按照线的顺序索引找到第一个近似交点,选取与曲线上圆心与交点的中点最接近的原始数据点作为综合后的选取点。在此基础上,给出化简时间、位移标准差和位置误差等评价指标,提出基于分形理论的曲线形状结构特征的评估方法等对两种算法进行比较与评估,实验结果证明,同原算法相比,改进的Li-Openshaw算法在线化简中更好地保持曲线的整体形状,具有较高的位置精度,提高化简效率。

无线传感器网络测距定位算法改进与分析

在无线传感器网路实际应用中,节点定位技术是重要的支撑技术之一.不同于常规的求解距离等式方程组解法,分别采用MLE(最大似然估计参数)法和最小二乘法,对无线传感器网络测距的定位算法进行改进.非常有趣的是,两种不同方法得到的结果完全一致.最后经过实验评估和算法仿真对比分析测距定位算法改进前后的特性,结果表明改进后的测距定位算法能取得良好的定位精度.

结合极大似然距离估计的MDS-MAP节点定位算法

基于多维定标的定位算法通常利用节点间的最短路径长度代替欧式距离构建距离矩阵,当网络拓扑结构不规则时,会导致较大的定位误差。针对这一问题,提出了一种结合极大似然距离估计和多维定标的节点定位算法MDS-MAP(MLE)。算法将待测节点的一跳邻居节点信息作为极大似然方法的输入,利用与邻居节点的距离信息计算待测节点的相对坐标,然后根据已知锚节点的坐标,将所有节点的相对坐标映射为绝对坐标。实验结果表明,针对规则网络和不规则网络,MDS-MAP(MLE)算法均可取得较好的定位精度,且当网络连通度在一定范围内变化时,定位误差可保持在较低的稳定区间内。

一种求解最大团问题的自适应过滤局部搜索算法

提出了一种求解最大团问题的自适应过滤局部搜索算法AF-RLS(adaptive filtered-reactive local search).该算法通过构建独立集约束,优选出有希望的邻域移动方向来提高局部搜索趋向最优解的概率;并在比较分析两种不同逃逸策略的逃逸能力和逃逸代价的基础上,提出了基于问题解空间结构自适应设置局部搜索深度参数的方法.基于漂移分析理论和在37个典型测试算例上的实验结果表明,所提出的AF-RLS算法相比原RLS算法性能有明显改善.