多策略改进的蜣螂优化算法及其应用

蜣螂优化算法(DBO)是近年提出的智能优化算法,与其他优化算法一样,DBO也存在收敛精度低、易陷入局部最优等缺点。针对DBO的这些局限性,提出一种多策略改进的蜣螂优化算法(MIDBO)。首先,改进雏球和偷窃蜣螂对局部最优解和全局最优解的接受程度,使其根据自身搜索能力动态变化,既提升了种群质量又保持了适应度高的个体的良好搜索能力;其次,融合麻雀搜索算法中的追随者位置更新机制对算法进行扰动,并用贪婪策略更新位置,提升了算法的收敛精度;最后,当算法陷入停滞时引入柯西高斯变异策略,提高了算法跳出局部最优解的能力。仿真实验基于20个基准测试函数和CEC2019测试函数,验证了3种改进策略的有效性,将所改进算法和对比算法的优化结果进行收敛性分析和Wilcoxon秩和检验,证明了MIDBO具有良好的寻优性能和鲁棒性。将MIDBO运用在汽车碰撞优化问题的求解上,进一步验证了MIDBO在求解实际工程问题中的有效性和可靠性。

局部高斯均差变分保边图像平滑算法

针对图像平滑过程中无法保留细节的问题,提出了基于局部高斯均差变分的保边图像平滑算法。首先,通过统计学分析建立局部高斯均差变分算子。其可以衡量局部梯度与高斯滤波处理后的梯度差异,区分结构和纹理。其次,构建局部高斯均差变分平滑模型,由稀疏求解得到初始平滑图像。最后,针对复杂纹理图像存在纹理残留的问题,提出孤立噪声去除模型。模型通过自适应窗口设定像素值,在不影响结构的前提下去除初始平滑图像中的纹理残留。通过主观、客观实验,与经典的算法对比,证明该算法有更高质量的平滑结果。评价指标整体提升了0.7%。通过压缩伪影去除、HDR色调映射、图像去雾和拉普拉斯金字塔加速的扩展实验,验证该算法在不同视觉任务上的适用性和效率可提升性。

基于LPP特征空间重构的故障检测策略

针对多模态工业过程数据中存在方差差异显著的问题,提出了一种基于LPP特征空间重构的故障检测策略.首先,采用局部保持投影对过程数据进行降维处理,去除数据的冗余信息和噪声,降低计算复杂度;其次,将变分高斯混合模型应用于过程数据,确定操作模式的数量,并对每种模式下的数据进行聚类;再次,将每种模式下的数据利用所属模式的信息进行标准化处理,去除数据的多模态特征;最后,使用统计量T^(2)对过程进行监控.通过一个多模态数值例子和半导体蚀刻过程验证了所提方法的有效性.

樽海鞘群行为启发的多机器人自主羽流寻源方法

针对室内复杂的气流模式和湍流污染物扩散,提出一种基于改进樽海鞘群算法的多机器人室内自主羽流寻源方法。该方法受到樽海鞘行为模式的启发,根据机器人不同的羽流检测浓度设置弱感知机器人在食物源位置局部高斯变异,提高搜索行为的多样性,以降低领导者机器人的搜索盲区;同时为追随者机器人位置更新引入随机扰动策略,增强寻源机器人在室内动态羽流环境中的适应性,以提高机器人极值区域的逃逸能力。通过数值模拟和真实室内有障碍物场景测试所提方法的性能,模拟结果表明,相较于其他方法,当机器人数量由3个增加到10个时,所提方法的羽流寻源成功率提高6%~80%,效率提高0.16~1.5;真实场景中的实验结果显示,3台机器人的羽流寻源成功率为73.3%。该方法在室内复杂和动态气流环境中具有可行性和适用性。

亚强非局域介质中的超高斯空间光孤子族研究

研究了亚强非局域介质中超高斯光束的传播特性.运用变分法,对任意实对称响应函数泰勒级数展开取至四阶,得到了1 +1维亚强非局域非线性介质中光束传输的超高斯光束的近似分析解.分析结果表明:束宽解是椭圆雅可比双周期函数,相移、空间啁啾以及临界输入功率都正比于超高斯光束的阶数.提出了超高斯空间光孤子族模型和准方波形空间光孤子的实现可能性.

基于变分贝叶斯的轴承故障诊断方法

滚动轴承是旋转机械结构中常用的零件,如果发生故障,会造成极大的危害。随着大数据时代的到来,现代智能诊断方法已被广泛应用到轴承故障诊断中。针对目前智能诊断方法存在的问题,将统计模型引入轴承故障诊断中,提出了基于变分贝叶斯的轴承故障诊断方法。该方法对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量,并分别提取时域特征组成特征集,使用特征集训练产生基于变分贝叶斯的混合多维高斯分布模型,通过计算不同轴承故障的概率实现故障诊断。实验结果表明,所提方法的诊断正确率达到99.6%,与基于支持向量机的轴承诊断方法相比,在所组成的特征集上诊断正确率最高提升了39.6%。文中提出的方法能够全面且有效地诊断滚动轴承故障,对高维复杂的故障数据也有很好的诊断效果。

基于轮廓波局部高斯模型与全变差的彩色滤波阵列插值

彩色图像的彩色滤波阵列(CFA)插值是从单传感器数字相机通过CFA获得的采样图像中重构完整RGB图像的过程。针对Bayer格式图像提出了一种基于轮廓波局部高斯模型与全变差的彩色图像CFA插值算法。为进一步提高图像边缘插值质量,将图像梯度的稀疏性结合到图像插值过程中,并且图像梯度的稀疏性用彩色全变差(CTV)来衡量。实验结果表明,该算法比现有的图像插值算法在峰值信噪比与主观视觉效果两方面均有显著提高。

全变分正则化非局部均值地震数据降噪

在地震数据的采集中往往存在随机噪声,噪声会影响地震数据分析的准确性,针对地震数据中存在的高斯噪声,传统非局部均值降噪算法在对地震数据降噪后无法有效保持地震数据中的同相轴边缘。将全变分正则化非局部均值算法应用于地震数据降噪,通过计算噪声估计值,更新去抖动非局部均值算法的权值,将去抖动非局部均值降噪结果进行全变分正则化约束,得到最佳的地震数据降噪结果。在有效去除高斯噪声的同时,保留地震数据的同相轴边缘。通过在合成地震数据、海上叠前地震数据、陆上叠后地震数据上进行降噪实验,对比该算法与非局部均值算法、基于近邻法选择策略的非局部均值算法的峰值信噪比、均方误差、平均结构相似度,得出全变分正则化非局部均值降噪算法在有效降噪的同时,可以较完整地保留地震数据的同相轴边缘细节。

几种图像去噪算法的对比分析

图像去噪作为一种重要的预处理手段,一直以来都是图像处理和计算机视觉领域的研究热点。去噪算法的难点在于去除噪声的同时尽可能保持原始信息的完整性。本文主要研究TV,BLS-GSM,NLM以及BM3D四种经典去噪算法的基本原理,并用模拟数据验证分析四种算法在图像去噪中的性能,实验证明,四种算法均能在保留图像细节的前提下很好的去除噪声,其中,BM3D算法在保证去噪质量的同时效率最高。

强非局域非线性介质中的超高斯空间光孤子族

运用变分法,对任意实对称响应函数泰勒级数展开取至二阶,得到了1+1维强非局域非线性介质中光束传输的超高斯光束的近似分析解,提出了超高斯空间光孤子族模型。分析结果表明:束宽解是三角函数型,相移、空间啁啾以及临界输入功率都正比于超高斯光束的阶数,束宽振荡周期不仅与介质材料有关,而且还与光束和相位因子的阶有关。提出了准方波形空间光孤子的可能性。

自适应非局部3维全变分彩色图像去噪

目的许多彩色图像去噪算法未充分利用图像局部和非局部的相似性信息,并且忽略了真实噪声在彩色图像不同区域内分布的差异,对不同图像块和不同颜色通道都进行同等处理,导致去噪图像中同时出现过平滑和欠平滑现象。针对这些问题,本文提出一种自适应非局部3维全变分去噪算法。方法利用一个非局部3维全变分正则项获取彩色图像块内和块间的相似性信息,同时在优化模型的保真项内嵌入一个自适应权重矩阵,该权重矩阵可以根据每次迭代得到的中间去噪结果的剩余噪声来调整算法在每个图像块、每个颜色分量以及每次迭代中的去噪强度。结果通过不同的高斯噪声添加方式得到两个彩色噪声图像数据集。将本文算法与其他6个基于全变分的算法进行比较,采用峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)作为客观评价指标。相比于对比算法,本文算法在两个噪声图像数据集上的平均PSNR和SSIM分别提高了0.16~1.76 dB和0.12%~6.13%,并获得了更好的图像视觉效果。结论本文去噪算法不仅更好地兼顾了去噪与保边功能,而且提升了稳定性和鲁棒性,显示了在实际图像去噪中的应用潜力。