基于视觉注意的随机游走图像分割

传统随机游走图像分割需要多次交互设置种子点以获得理想的分割结果。在视觉注意的基础上,提出了一种新的自动确定种子点的随机游走图像分割算法。首先对图像进行超像素分割,并生成概率边界图(PBM);然后基于Itti模型,通过视觉注意焦点的转移搜寻待分割的关键区域;为确定关键分割区域种子点,以当前注意焦点作为极点对概率边界图进行极坐标变换,在获得的极坐标概率边界图上建立关于焦点区域边界的能量函数,采用图论max-flow min-cut算法最小化能量函数检测焦点区域的最优边界,焦点区域边界内的超像素即为种子点;最后以超像素为节点构造图,在图上随机游走完成图像分割。在Berkeley Segmentation Data Set上的实验表明本文方法能有效分割复杂图像。

改进PRM算法的无人机航迹规划

针对传统随机路标图(PRM)算法对航迹规划的自由空间进行随机采样表现出的随机性,和在狭窄通道中可能出现的航迹无解问题,提出一种改进PRM的航迹规划算法。通过将障碍物的边界点作为确定采样点,并对栅格地图的自由空间建立最优可行区域,降低传统PRM算法随机采样点的分散性,使路径搜索具有明确性,以此来提高算法在时间和空间上的利用率。为验证算法的有效性,采用MATLAB仿真平台建立无人机二维和三维空间,进行航迹规划对比实验。实验结果表明:在三维空间中,改进PRM算法较传统PRM算法航迹规划时间降低2.469%至5.721%,航迹长度减少0.89%至1.54%。