为实现飞行器远距离突防时自主航迹规划效率提升的目标, 结合该任务背景下雷达威胁分布特点, 采用剖分网格理论组织栅格环境, 从底层表征方式出发改进A*算法。利用剖分网格的编码表征组织结构得到方位信息, 从而针对性地施加惩罚因子, 指向性地改进实际移动路径代价计算方式, 而后依据雷达威胁分布特点, 通过编码比较位的变化分段变步长寻找子节点。仿真结果表明, 改进算法的计算节点大大减少, 在所寻航迹总的代价值近似的情况下, 改进算法总能在威胁分布密集的环境中更迅速地规划出可行航迹, 较好地适用于飞行器突防背景。

为了降低智能手机PCBA电路板元件反光特性对图像灰度产生的干扰, 提高边缘连接的完整度, 减少伪边缘的数量, 本文对传统的canny算子进行改进, 用于提取智能手机PCBA电路板的边缘信息。首先, 兼顾滤波器去噪与梯度保持特性, 使用改进的具有“动态”惩罚因子的引导滤波器替代高斯滤波器, 减少边缘点的丢失。然后, 使用近邻域局部自适应阈值法取代传统双阈值法, 用于解决元件稠密区域存在灰度变化频繁背景与目标差异较小而导致阈值分割不准确的问题。实验结果表明, 当滑动窗口保持在19大小时, 具有最好的阈值分割效果, 伪边缘数量降到最低。本文方法处理后的图像, 拥有更完整细化的边缘, 伪边缘数量大大减少, 局部元件稠密区域, 边缘细节得到保留, 符合像素级手机PCBA电路板的边缘检测精度要求。

针对噪声影响下光流计算稳健性较差及收敛速度慢的问题, 提出一种噪声环境下光流场快速稳健估计方法。所提算法基于噪声环境下光流场估计方法, 引入惩罚因子以增强光流计算稳健性, 并在光流计算迭代公式中加入动量因子缩短光流计算收敛时间以加快光流场计算。而后基于变分方法极小化光流能量函数求解欧拉-拉格朗日方程, 最后通过迭代方法求得速度场。仿真结果表明, 对视频中连续两帧图片加入不同高斯噪声后, 与M算法及ML算法相比, 所提算法可显著增强光流场计算稳健性, 缩短光流计算收敛时间, 加快光流场计算。

无模型自适应算法是一种利用数据驱动的方法, 它无需系统的精确模型, 且计算量小, 易于实现。目前已有的无模型自适应控制算法在选取惩罚因子时大多采用试凑或固定常数, 往往难以获得满意的控制性能。针对这个问题, 提出一种对控制律与伪偏导数的惩罚因子在线寻优的方法。利用最速下降法的迭代优化思想, 对惩罚因子进行寻优, 收敛速度明显提升, 并取得更好的系统性能指标参数, 达到系统最优性能, 在此基础上进行了闭环系统稳定性的严格证明。最后, 通过Matlab仿真验证了该方法与现有无模型自适应控制方法相比具有更好的控制品质, 且抗扰性更强。

针对可视化流动图像边缘扩散及噪声和异常点影响使得光流计算稳健性较差的问题, 提出一种基于物理学的稳健光流计算方法以改善光流计算稳健性。所提算法在基于物理学光流方法中引入各向异性滤波器以增强边缘光流稳健性, 并增加惩罚因子以减少噪声及异常点对光流计算的影响, 而后基于变分方法极小化光流能量函数以求解欧拉-拉格朗日方程, 最后通过迭代方法求得速度场。仿真结果表明, 与传统的Lucas-Kanade,Horn-Schunck,金字塔Lucas-Kanade以及基于物理的光流计算方法相比, 所提算法可显著减少边缘和角落区域光流扩散, 改善针对噪声及异常点的稳健性, 从而得到具有较好稳健性的速度场。

针对行人检测在实时和准确率方面的要求,提出基于优化核函数支持向量机的行人检测方法,以梯度方向直方图算法提取行人特征,以支持向量机算法作为分类器。在传统算法的基础上,提出以组合核函数作为分类器核函数,并设置松弛变量,引入惩罚因子,结合遗传算法与K重交叉验证进行组合系数和参数的优化与选择,根据优化后的参数构成最终分类器进行行人检测。其检测达到较好效果,满足对实时性和准确性的要求。

无模型自适应算法是一种利用数据驱动的方法, 它无需系统的精确模型, 且计算量小, 易于实现。目前已有的无模型自适应控制算法在选取惩罚因子时大多采用试凑或固定常数, 往往难以获得满意的控制性能。针对这个问题, 提出一种对控制律与伪偏导数的惩罚因子在线寻优的方法。利用最速下降法的迭代优化思想, 对惩罚因子进行寻优, 收敛速度明显提升, 并取得更好的系统性能指标参数, 达到系统最优性能, 在此基础上进行了闭环系统稳定性的严格证明。最后, 通过Matlab仿真验证了该方法与现有无模型自适应控制方法相比具有更好的控制品质, 且抗扰性更强。