针对灰狼算法易陷入局部最优导致路径寻优精度低的问题, 提出一种用于静态二维无人机路径规划研究的改进灰狼算法。首先,提出一种控制参数非线性调整策略, 平衡算法的全局搜索与局部搜索; 同时,将灰狼算法与Powell算法结合, 提高算法寻优效果及路径规划精度; 最后,通过测试与仿真说明改进后的灰狼算法具有更好的寻优精度和路径规划效果。

数字化X射线图像(digital radiography, DR)与数字重建放射图像(digitally reconstructed radiography, DR)属于不同模态图像, 实现二者的高精度快速配准是一个技术难题。在实际应用中, 往往会同时获取物体的正侧面DR和DRR图像。提出一种基于互信息与梯度信息相结合的配准算法。首先, 对正侧面图像进行小波分解, 获得低分辨率子图像并配准, 使用粒子群优化(particle swarm optimization, PSO)算法进行全局寻优; 然后, 根据配准结果, 判断互信息与梯度信息配准结果是否正确, 如果配准错误, 则在下一阶段中不使用该结果作为配准依据; 最后, 以PSO算法寻优结果作为Powell算法的寻优初始点, 对原始正侧图像进行精确配准。实验结果显示, 本算法快速完成配准, 配准精度达到2 mm, 满足实际应用要求。

对双能计算机断层扫描(CT)图像进行三维图像配准是准确获取样品内部元素分布信息的前提。针对同步辐射双能CT 成像存在的图像空间失准问题，提出了一种以互信息作为衡量双能CT 图像相似度的图像配准方法。采用部分体积(PV)插值算法计算互信息，采用遗传算法进行较优参数的搜索，并以该参数作为Powell算法搜索的起始点，结合基于Hanning 窗的部分体积插值(HPV)算法搜索得到最佳配准参数。数值模拟验证了HPV 算法的优越性，同时配准精度达到亚像素级。实验结果表明，该方法能够有效配准双能CT图像并获得三维元素分布信息。

为了解决灰度图像配准中由于目标函数容易陷入局部极值而造成的误匹配问题, 使参数随图像的NMI计算和多分辨率级数进行自适应调整, 采用基于小波变换多分辨率策略,形成多尺度匹配模型, 并将粒子群算法(PSO)作为添加算子, 提出了以图像归一化互信息(NMI)作为相似性测度的混合遗传算法, 对CT与MRI图像进行了配准。实验结果表明,该方法能够解决遗传算法早熟收敛问题, 有效地克服信息函数的局部极值, 实现图像的自动配准, 具有匹配精确、鲁棒性好及效率高等优点。

在轨高光谱传感器光谱性能参数的准确定标是数据定量应用的基本前提。 文章在前人基础上, 综合优化算法, 实现了在不需要实测地表反射率的情况下, 同时反演高光谱传感器中心波长与半值波宽(full width at half maximum, FWHM)。 基于模拟数据的研究结果显示, 该方法在光谱性能参数偏移5 nm时, 中心波长反演误差小于0.1 nm, FWHM误差小于0.7 nm。 将该方法应用于Hyperion数据, 结果显示, Hyperion在VNIR谱段存在明显的smile效应, 在整个CCD阵列范围内, 其中心波长的偏移量在-2～2 nm之间, FWHM偏移在-0.2～0.5 nm之间； 在SWIR谱段smile效应不明显, 其中心波长偏移3 nm左右, FWHM偏移在-2～-3 nm之间。 最后在光谱重定标基础上, 对Hyperion进行了大气校正, 反演了不受大气及定标参数影响的地表反射率。 经光谱重定标, 在大气吸收波段周围由光谱定标参数变化导致的反射率突变得到了抑制.

针对基于传统互信息图像配准容易产生局部极大值,同时结合梯度信息的互信息改进方法不能很好地应用于梯度幅值差异较大的多模图像配准，提出了一种新的结合梯度方向的互信息测度函数.在参量优化过程中，将具有全局优化的遗传算法和Powell局部优化算法动态结合，前者的配准结果为后者的算法优化提供有效的初始点以抑制局部极值，同时借鉴小波变换中多分辨率的思想，在低分辨率图像中粗略配准后，上升到高分辨率图像上进一步细化配准结果，增加算法鲁棒性并减少优化时间.多幅红外与可见光图像配准实验结果证明，提出的算法具有配准精度高和鲁棒性强等特点.

基于Powell优化算法和图像的金字塔分解,提出了一个新的亚像元运动参数估计方法.用参考图像和待配准图像构造的非线性最小二乘公式作为Powell算法的目标函数,并且以运动参数作为变量.由细到粗的多分辨率分解为准确的亚像元参数估计提供了基础.数值实验结果表明,该算法可以用于准确的稳健的亚像元参数估计,其不足之处在于运行时间比较长.