针对传统蜉蝣算法在求解无人机航迹规划存在稳定性差、精度低、收敛速度慢, 且容易陷于局部最优等问题, 提出了一种应用于无人机航迹规划的多策略改进蜉蝣算法。首先, 建立代价函数模型和环境模型, 将无人机航迹规划问题转变为满足无人机可行航路要求和航路安全约束的优化问题;其次, 基于莱维(Lévy)飞行原理对粒子种群(PSO)初始化, 通过采用自适应t分布和基于Pareto原理的精英保留策略对传统蜉蝣算法进行改进;最后, 通过仿真实验验证了所提算法。结果表明: 改进的蜉蝣算法的性能优于传统蜉蝣算法和粒子群算法, 且规划出的航迹质量较高。

蚁群算法是一种智能优化算法, 具有鲁棒性强、反馈信息精准、分布式计算能力强等优点, 被广泛应用于移动机器人的路径规划。针对原算法存在收敛速度慢、易陷入局部最优等问题, 提出了一种改进蚁群路径规划算法。首先, 融合头脑风暴思想对解集进行更新变异, 在加快收敛的同时保证算法的多样性。其次, 利用局部路径注意力机制提取较好的路径段, 提高寻优效率, 且在信息素注意力机制中加入了自适应t分布, 避免算法陷入局部最优。新的信息素更新方式可以促进算法的全局搜索, 并且保障算法的收敛速度。最后, 在Matlab软件中进行了静态环境下的仿真实验, 验证了该算法的有效性和可行性。

基于前列腺磁共振图像性质, 提出利用自适应纹理分布的活动形状图像分割方法来自动分割前列腺磁共振图像。该方法首先通过图像的分类与拟合确定感兴趣的腺体区域, 同时估计若干形状参数用于分割过程中调整形状; 然后融入多重纹理信息, 建立纹理一致测度, 将传统的活动形状按照自适应的纹理判别步骤细分为纹理分布形状与补充形状, 提高活动形状的搜索匹配能力。在搜索匹配部分, 利用已估计参数优化活动形状搜索的初始估计, 并根据纹理分布形状和补充形状调整迭代过程。实验结果表明, 该方法分割出来的前列腺轮廓与金标准的Hausdorff距离为6.00 pixel, 分割精度为93%。该方法对活动形状的改进是有效的, 利用自适应纹理分布的活动形状能够自动、准确地将前列腺从磁共振图像中分割出来。