检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

智能行车记录仪图像去雾系统的FPGA设计

上海交通大学学报 2024年第4期58卷 565-578页

作者：黄鹤胡凯益杨澜王浩高涛王会峰长安大学智慧高速公路信息融合与控制西安市重点实验室西安710064 长安大学电子与控制工程学院西安710064 长安大学信息工程学院西安710064

雾霾天气下,交通道路能见度低,导致所采集到的视频画面退化、图像信息模糊,同时考虑传统系统处理实时性不高等问题,基于ZYNQ平台设计了一种图像去雾系统,并应用于智能行车记录仪系统中.首先,针对传统暗通道去雾算法在天空区域存在失真... 详细信息

雾霾天气下,交通道路能见度低,导致所采集到的视频画面退化、图像信息模糊,同时考虑传统系统处理实时性不高等问题,基于ZYNQ平台设计了一种图像去雾系统,并应用于智能行车记录仪系统中.首先,针对传统暗通道去雾算法在天空区域存在失真等问题,提出了一种分割天空区域的策略来修正图像复原参数;然后,针对计算全局大气光值时,需对整幅图像的像素排序消耗大量资源的问题,利用现场可编程门阵列(FPGA)并行运算的优势,提出一种帧迭代方法优化求取大气光值,同时优化了引导滤波的硬件设计;最后,将双路高清多媒体接口(HDMI)资源中,一路作为视频输入,另一路作为视频处理输出,搭建实时交通图像视频处理试验平台.试验结果表明,系统针对雾霾天气下的交通视频具有较好的去雾效果,尤其是可以解决天空区域去雾的失真问题.在对分辨率为1280像素×720像素的交通视频去雾时,可以达到30帧/s的处理速度,满足实时性要求.

关键词：交通视频图像去雾 ZYNQ平台实时处理

在线全文

学校读者我要写书评

暂无评论

飞蛾扑火优化的尺度比例感知空间长期跟踪器

哈尔滨工业大学学报 2024年第5期56卷 130-141页

作者：黄鹤熊武杨澜吴琨王会峰高涛长安大学电子与控制工程学院西安710064 西安市智慧高速公路信息融合与控制重点实验室(长安大学) 西安710064 长安大学信息工程学院西安710064

针对无人机长期跟踪过程中尺度变换导致目标丢失和跟踪精度低的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization,MFO)的尺度比例感知空间长期跟踪器。首先,设计了高斯初始化以代替飞蛾扑火优化算法的随机初始化策略,降低优化... 详细信息

针对无人机长期跟踪过程中尺度变换导致目标丢失和跟踪精度低的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization,MFO)的尺度比例感知空间长期跟踪器。首先,设计了高斯初始化以代替飞蛾扑火优化算法的随机初始化策略,降低优化算法在跟踪过程中的计算复杂度,减少算力浪费;其次,结合快速梯度直方图特征,构建了改进的飞蛾扑火优化跟踪器;然后,为了解决无人机航拍长期跟踪中目标尺度变化的问题,设计了一种自适应尺度变换的判别尺度空间跟踪(discriminative scale space tracking,DSST)算法,进一步提出了一种尺度比例感知空间跟踪器,解决了尺度滤波器中因长宽比固定而导致的跟踪漂移;同时,分析了滤波器响应峰值在各背景下的变化情况,提出了一种能反映环境变化下跟踪置信度的指标,并通过置信度将MFO优化跟踪框架与尺度比例感知空间跟踪器相结合,解决了尺度变化与长期跟踪目标丢失的问题;最后,在无人机长期跟踪数据集上开展了性能验证。结果表明:提出的算法可有效防止漂移现象的发生,提升跟踪效率;与目前跟踪领域中12种同类文献算法进行对比可知,提出的算法精度较高,满足实时性,能够有效解决无人机长期跟踪下的尺度变化及目标丢失等问题。

关键词：无人机飞蛾扑火优化 DSST跟踪算法相关滤波长期跟踪

采用混合策略联合优化的模糊C-均值聚类信息熵点云简化算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年第7期58卷 214-226页

作者：黄鹤黄佳慧刘国权王会峰高涛长安大学西安市智慧高速公路信息融合与控制重点实验室西安710064 长安大学电子与控制工程学院西安710064 长安大学数据科学与人工智能研究院西安710064

针对传统聚类算法处理点云简化问题时精度低、耗时长且易丢失特征信息等问题,提出了一种基于动态精英自适应混合策略的鹈鹕算法(DEAMPOA)与加权熵法联合优化的模糊C-均值聚类(FCM)信息熵点云简化算法。采用动态自适应种群混合策略,同时... 详细信息

针对传统聚类算法处理点云简化问题时精度低、耗时长且易丢失特征信息等问题,提出了一种基于动态精英自适应混合策略的鹈鹕算法(DEAMPOA)与加权熵法联合优化的模糊C-均值聚类(FCM)信息熵点云简化算法。采用动态自适应种群混合策略,同时融合了精英反向化思路,显著提升了鹈鹕优化算法(POA)的收敛趋势和全局寻优能力,提高了寻找FCM最优聚类中心的成功率;利用DEAMPOA结合加权熵法对FCM进行优化,提高鲁棒性的同时增强了搜索精度,得到较好的聚类结果;在8种UCI标准数据集上与4种算法对比进行聚类性能评估实验,验证了所提方法综合性能优越;将所提方法与信息熵融合,并应用在三维点云KITTI数据集简化中。实验结果表明:与包围框简化法、随机采样简化法和特征选择简化法对比,所提方法全局误差简化前后点集之间平均欧式距离(MED)指标分别降低了2.25%、6.93%、5.74%,点云简化效果最优且运行速度满足要求。

关键词： C-均值聚类鹈鹕优化算法点云简化信息熵

采用局部-全局区域重检测机制的无人机长期跟踪算法

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年第6期58卷 1-13页

作者：黄鹤马浩然刘国权王会峰高涛张科长安大学西安市智慧高速公路信息融合与控制重点实验室西安710064 长安大学电子与控制工程学院西安710064 长安大学数据科学与人工智能研究院西安710064

为解决基础跟踪器面对遮挡和移出视野等长期跟踪场景时易出现跟踪失败等问题,提出了一种基于局部-全局区域重检测的无人机长期跟踪算法。设计了基础滤波器,将高置信度样本与其结合,并融入自适应时空正则化,解决了滤波器退化问题,提高了... 详细信息

为解决基础跟踪器面对遮挡和移出视野等长期跟踪场景时易出现跟踪失败等问题,提出了一种基于局部-全局区域重检测的无人机长期跟踪算法。设计了基础滤波器,将高置信度样本与其结合,并融入自适应时空正则化,解决了滤波器退化问题,提高了模型鲁棒性以及复杂场景下的性能;优化了滤波器更新策略,通过评价跟踪结果进行自适应更新;设计快速尺度滤波器,解决了跟踪过程中的尺度变化问题;设计了局部-全局区域重检测机制,跟踪失败时启动重检测器恢复跟踪目标,先完成局部区域重检测,若恢复跟踪失败,再利用全局区域重检测器继续恢复目标跟踪状态。实验结果表明:所提算法在UAV20L数据集上的精确度和准确率分别可达0.724和0.621,与基于时空正则化相关滤波器的跟踪算法(STRCF)相比分别提升了25.9%和20.6%,与同类主流算法相比,跟踪效果得到提升,证明了算法的有效性。

关键词：无人机长期跟踪相关滤波器重检测器快速尺度滤波高置信度

在线全文

学校读者我要写书评

暂无评论

含明亮区域的无人机遥感定位图像去雾方法

火力与指挥控制 2024年第5期49卷 130-136,144页

作者：黄莺胡凯益李战一黄鹤茹锋空军工程大学西安710038 长安大学西安710064 西安市智慧高速公路信息融合与控制重点实验室西安710064

针对传统DCP去雾算法处理无人机遥感定位含雾图像时,天空或白色等明亮区域颜色易发生失真,图像整体对比度降低等问题,提出了一种自适应阈值分割的DCP去雾方法。利用灰度图像I_(gray)(x)求取图像明亮与非明亮区域的自适应阈值ThrB;根据... 详细信息

针对传统DCP去雾算法处理无人机遥感定位含雾图像时,天空或白色等明亮区域颜色易发生失真,图像整体对比度降低等问题,提出了一种自适应阈值分割的DCP去雾方法。利用灰度图像I_(gray)(x)求取图像明亮与非明亮区域的自适应阈值ThrB;根据自适应阈值ThrB将明亮区与非明亮区分割,并设计自适应修正函数M;优化由暗通道图像生成的大气耗散函数粗估计,利用双边滤波再次细化透射率,完成图像去雾复原。实验结果表明:提出方法在处理天空或反光较强的明亮区域时,能够有效避免复原后的颜色失真等问题,进一步改善遥感图像地面景物区域的处理效果,复原后整幅遥感图像的色彩饱和度和对比度明显提高,主观视觉效果有一定改善,且PSNR、FC、SSIM和CR等客观参数均有提升,有利于后续遥感定位图像分析。

关键词：图像处理暗通道理论去雾遥感定位

基于加权熵与秃鹰-天鹰混合优化FCM的桥梁裂缝提取

在线全文

学校读者我要写书评

暂无评论

上海交通大学学报 2024年

作者：温夏露黄鹤王会峰高涛长安大学电子与控制工程学院西安市智慧高速公路信息融合与控制重点实验室长安大学数据科学与人工智能研究院

针对传统聚类算法处理桥梁裂缝提取问题时，由于阴影和光线不均匀导致识别精度低、易丢失特征信息等问题，提出了一种基于混合秃鹰-天鹰优化器（Hybrid Bald Eagle- Aquila Optimizer，HBAO）交叉迭代改进模糊C–均值（Fuzzy C-Means，... 详细信息

针对传统聚类算法处理桥梁裂缝提取问题时，由于阴影和光线不均匀导致识别精度低、易丢失特征信息等问题，提出了一种基于混合秃鹰-天鹰优化器（Hybrid Bald Eagle- Aquila Optimizer，HBAO）交叉迭代改进模糊C–均值（Fuzzy C-Means，FCM）聚类的桥梁裂缝提取方法。首先，引入耦合混沌映射初始化，并融合折射学习思路，增加了种群多样性；其次，为增强秃鹰算法的全局搜索阶段的性能，将该阶段替换为天鹰优化的扩展和缩小搜索策略，显著提升了秃鹰算法的收敛趋势和全局寻优能力，提高了FCM的寻找最优聚类中心的成功率；然后，利用HBAO与加权熵法对FCM聚类算法进行联合优化，提高鲁棒性的同时还增强了搜索精度，获得较好的聚类结果；最后，在UCI标准数据集上与6种对比算法进行聚类性能评估实验，验证了本文算法综合性能优越。进一步地，将算法在4种不同裂缝形态上进行测试。实验结果表明，相比于其他同类算法，所提算法的裂缝提取效果最优。

关键词： FCM聚类秃鹰优化算法桥梁裂缝提取信息熵

基于秃鹰搜索算法优化的三维多无人机低空突防

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

浙江大学学报(工学版) 2024年第10期 2020-2030页

作者：温夏露黄鹤王会峰杨澜高涛长安大学西安市智慧高速公路信息融合与控制重点实验室长安大学电子与控制工程学院长安大学数据科学与人工智能研究院

三维空间环境复杂，多无人机的低空突防航迹规划计算量大，现有多目标秃鹰搜索算法存在求解易趋于中心点及精度低的缺陷，为此提出基于改进多目标秃鹰搜索算法(IMBES)的三维多无人机低空突防方法.构建三维环境模型、威胁源模型、无人机... 详细信息

三维空间环境复杂，多无人机的低空突防航迹规划计算量大，现有多目标秃鹰搜索算法存在求解易趋于中心点及精度低的缺陷，为此提出基于改进多目标秃鹰搜索算法(IMBES)的三维多无人机低空突防方法.构建三维环境模型、威胁源模型、无人机物理约束模型、多无人机协同约束模型以及路径平滑度约束模型，确定多目标代价函数.设计耦合混沌映射初始化，有效提高初始化种群质量；设计基于“侦察鹰”的自适应高斯游走策略，平衡开发与搜索能力；引入快速非支配排序，进一步提高算法效率.利用秃鹰位置与无人机速度、转弯角度、爬升角度的对应关系，采用IMBES高效搜索无人机构型空间，找到最优的帕累托前沿.实验结果表明，IMBES的成功率为70.5%.与现有路径规划方法相比，所提方法的优化能力强、能耗低，适用于多无人机协同低空突防.

关键词：多无人机低空突防自主避障多目标算法秃鹰搜索算法

同方期刊数据库

四旋翼无人机滑模-CPCMAC联合控制半物理仿真系统

在线全文

学校读者我要写书评

暂无评论

复旦学报（自然科学版） 2024年第1期63卷 1-17页

作者：黄鹤谢飞宇杨澜王会峰高涛无长安大学西安市智慧高速公路信息融合与控制重点实验室陕西西安710064 长安大学电子与控制工程学院陕西西安710064 长安大学信息工程学院陕西西安710064

针对四旋翼无人机强耦合、欠驱动、非线性等特点,以及在实际飞行过程中极易受到干扰的问题,对四旋翼无人机动力学模型进行分析,提出了一种基于联合的四旋翼无人机姿态控制算法,并在此基础上设计了四旋翼无人机半物理仿真系统。首先,针... 详细信息

针对四旋翼无人机强耦合、欠驱动、非线性等特点,以及在实际飞行过程中极易受到干扰的问题,对四旋翼无人机动力学模型进行分析,提出了一种基于联合的四旋翼无人机姿态控制算法,并在此基础上设计了四旋翼无人机半物理仿真系统。首先,针对非线性系统设计滑模控制器,选择跟踪航迹和翻滚角设计位置控制率和姿态控制率。其次,滑模控制器在实际应用中易产生震荡,利用基于信用积分的小脑模型神经网络(CPCMAC)来学习滑模控制的方式。最后,搭建基于LabVIEW的控制站,同Matlab/Simulink进行数据收发控制。仿真结果表明,在跟踪目标相同时,提出的四旋翼无人机滑模-CPCMAC联合控制相比于传统的比例积分微分(PID)控制和积分反步法控制优势明显,能够抑制超调和余差,在快速性和鲁棒性方面都更加优越。同时,构建的四旋翼无人机半物理仿真平台能清晰反馈出无人机参数的变化,应用预留的参数接口和地面控制站,降低了无人机飞控算法的开发难度,提高了开发效率,具有明显的实用价值。

关键词：无人机小脑模型神经网络滑模控制半物理仿真风场

在线全文

学校读者我要写书评

暂无评论

RLDEAO优化的空气质量数据聚类分析

浙江大学学报（理学版） 2024年第5期51卷 542-553页

作者：田闯黄鹤杨澜王会峰茹锋长安大学西安市智慧高速公路信息融合与控制重点实验室陕西西安710064 长安大学电子与控制工程学院陕西西安710064 长安大学信息工程学院陕西西安710064 长安大学能源与电气工程学院陕西西安710064

对空气质量数据进行聚类,传统聚类方法因受初始点的影响,存在随机性高、聚类精度低以及多个中心点出现在同一簇中的问题,为此提出了一种反向学习差分进化天鹰优化器(RLDEAO)优化的K-means互补迭代空气质量数据聚类方法。天鹰优化器(aqui... 详细信息

对空气质量数据进行聚类,传统聚类方法因受初始点的影响,存在随机性高、聚类精度低以及多个中心点出现在同一簇中的问题,为此提出了一种反向学习差分进化天鹰优化器(RLDEAO)优化的K-means互补迭代空气质量数据聚类方法。天鹰优化器(aquila optimizer,AO)算法具有很强的探索能力,不易受初始点的影响且更易实现,但易陷入局部最优。基于自适应逐维小孔成像反向学习策略、停滞扰动结合莱维飞行策略以及生物进化策略等改进思想,对AO算法进行了改进,有效提高了搜索性能,避免了局部最优;在求取聚类中心点时,设计了一种加权最大最小距离积法(weighted maximum minimum distance product,WMMP),能反映各特征的重要性,对改进聚类结果作用良好;将RLDEAO与WMMP相结合优化K-means互补迭代,提高了搜索速率和搜索精度。通过在多个数据集上的聚类测试,发现RLDEAO-KMC算法的收敛精度和聚类效果较AO-KMC、FCM、KMC、KMC++算法更优。可知,RLDEAO-KMC算法可以更高效地对空气质量数据进行聚类分析,有针对性地做出预测和应对。

关键词： K-means聚类算法天鹰优化器(AO) 加权最大最小距离积法