改进的暗通道先验图像去雾霾算法

对图像去雾问题进行研究,提出一种改进的暗通道先验图像去雾霾算法。先根据图像亮度最高处的像素值计算大气光值,然后在获取透射率的同时参考峰值信噪比,利用迭代的方法求出使峰值信噪比最优时所对应的透射率,并采用导向滤波的方法细化透射率,最后通过有雾图像物理模型还原图像。实验结果表明,相比于经典的暗通道去雾算法,改进算法能够显著改善图像信噪比以及大面积天空图像出现的光晕问题。

基于改进蚁群优化算法的养殖场机器人路径规划

养殖场巡视机器人路径规划是实现规模化养殖场智能监控的关键所在,针对机器人巡视过程中寻找最优充电路线的问题,提出一种改进的蚁群优化算法IACO。利用工作环境的全局信息建立目标吸引函数,提高蚁群选择最佳路径到达目标点的概率,缩短了算法的迭代时间。通过加入额外的信息素更新项和改进信息素挥发系数增强算法的全局搜索能力,避免算法搜索后期出现过早收敛而陷入局部最优。在简单和复杂环境中的仿真实验结果表明,与经典蚁群优化算法相比,该算法具有更快的收敛速度和良好的稳定性,可快速收敛到最佳路径。

改进CPD算法及其在面部点云配准中的应用

针对面部点云配准中头发颜色与面部肤色存在差异,导致配准效率降低的问题,提出一种改进的相干点漂移(Coherent Point Drift,CPD)算法。该算法先提取面部点云的距离和颜色信息,将颜色信息转化为亮度信息,再仿照双侧滤波算法计算对应的亮度权值系数。将亮度权值系数与距离权值系数相融合,得到新的加权系数,有效降低头发区域点的权重,以提高算法的配准精度与效率。最后,将改进的CPD算法应用于面部点云配准。实验结果表明,该算法能够将两点云的距离标准差平均降低66.01%,运算时间平均缩短18.57%,显著提高了面部点云配准效果。