单变量边缘分布算法与蚁群算法的混合算法收敛性分析

智能混杂算法是当前智能优化算法的研究热点,可以融合多种优化算法的优势,提高算法的性能。单变量边缘分布算法具有大范围快速全局搜索能力,但不能很好地利用系统中的反馈信息;蚁群算法是一种并行的分布式正反馈系统算法,但其初期信息素匮乏,求解速度慢。将单变量边缘分布算法与蚁群算法相结合,可以优势互补。基于上述思想,提出一种基于单变量边缘分布算法与蚁群算法混合的算法,并运用马尔科夫随机过程理论对该算法的收敛性进行了分析,结果表明了该算法的优化解满意值序列是单调不增的和收敛的。     

一种改进的SAR图像去噪方法

在SAR成像过程中,由于散射的存在,SAR图像不可避免地会受到相干斑噪声的影响。为此,已经有了多种去除相干斑的方法。不过,增强型的Lee滤波在划分区域时没有考虑边缘的方向性。因此,针对增强型的Lee滤波检测边缘不具有方向性,在增强的Lee滤波算法的基础上,引入了Ratio边缘检测算子,将二者相结合,提出了一种改进的Lee滤波去噪方法。通过仿真实验,结果表明相对于一些传统的SAR图像滤波算法,此方法不仅具有良好的滤波效果,而且具备更好的边缘保持能力。