敦煌壁画图像线条纹理结构复杂、轮廓边缘缺失,采用Criminisi算法修复时存在结构传播错误和块效应问题。因此,提出了一种基于边缘缺失结构重构和改进优先权的壁画图像修复算法。首先,通过改进的自适应贝塞尔曲线重构破损壁画缺失的边缘轮廓,以增强壁画的结构性,引导图像修复。然后,引入梯度、曲率等局部特征先验信息对优先权函数进行改进,避免优先权频繁趋于0引起的错误填充。最后,通过改进的动态阈值序贯相似性算法搜索匹配块,提高壁画修复效率,迭代完成壁画修复。对真实敦煌壁画数字化修复的实验结果表明,本算法能很好地解决Criminisi算法结构传播错误及块效应问题,修复后的壁画主客观评价结果均优于其他对比算法。

Criminisi图像修复算法优先权计算中结构信息考虑不足和匹配时仅依靠颜色距离选择,致使壁画修复过程中易出现结构传播错误和像素错误匹配,鉴于此,提出了一种基于信息熵和结构特性的壁画修复算法。先在计算优先权函数时,引入度量像素块复杂度的信息熵,改进的优先权函数确定了最优待修补块,使结构信息丰富的区域优先修复;再采用样本颜色特征和块间协方差结合的方式确定匹配块集合,根据块间欧氏距离确定最佳匹配块;最后通过迭代更新完成壁画修复。对破损敦煌壁画进行实验,实验结果表明:该算法较好地克服了Criminisi算法错误匹配填充的问题,修复后获得了较好的视觉效果,提高了图像峰值信噪比等客观评价值。

针对航拍图像中存在的厚云遮挡问题,提出了一种基于改进Criminisi算法的图像修复去厚云算法。通过改进优先权函数确定了最优待修补块,完善了最优匹配块搜索策略,减少了结构传播错误和累积错误,增大了匹配的准确度;根据像素点的亮度局部方差选择了适合的样本块尺寸,并定义了新的置信度更新函数。通过逐步细化的云检测方法和形态学开运算获得厚云区域掩模。模拟数据和真实数据实验结果表明,所提算法相比于传统Criminisi算法,补全效果更自然,能更好地修复航拍图像中的厚云区域。

待修复区域标记、优先权、最佳匹配模块的搜索及填充和更新置信度是Criminisi 图像修复算法的4 个重要组成部分，每一部分对Criminisi 算法的图像修复结果都有不可忽视的作用。针对大目标移除的Criminisi 图像修复，从数学的角度优化待修复区域标记和提高优先权可信度，并将蝙蝠算法运用到最佳匹配模板搜索中，提高修复效率。实验表明：本文改进的算法能够有效的减少错误信息的累积，具有较好的实用性。

在经典Criminisi图像修复算法框架的基础上,针对优先权可靠性低和全局搜索最佳模板效率低、错误匹配率大的缺点进行改进.改进的算法为基于萤火虫算法(FA)的快速Criminisi图像修复算法.首先从数学的角度引入正规化函数至置信度,以此提升优先权计算的可靠性;然后引入FA到最佳模板的搜索与填充中,能够有效地将全局搜索与局部搜索有效地结合,鲁棒性较高,提高效率且错误匹配率低.实验结果表明:采用本文的改进算法能在保证修复质量的基础上降低时耗,提高效率.

针对作战智能体多编组协同作战中任务分配的动态优化问题, 考虑到空中突击作战中部分任务的时间窗口属性和编组资源能力损耗的特点, 建立了以任务执行效率为目标、满足上述约束问题的数学模型。设计了一种改进快速模拟退火对动态优化模型予以求解, 给出解方案表达、邻域解生成、冲突消解等步骤, 采用高温随机贪婪搜索、回火技术、禁忌设计和精英保留策略, 避免算法陷入局部最优, 提高算法的计算效率。仿真表明, 所提方法可对多编组任务分配动态优化模型进行快速有效求解。

针对多无人机系统多目标、多传感任务的复杂管理问题，构建了多无人机系统的任务管理框架。首先采用任务状态与目标相结合的方法生成任务元(目标任务状态)，以任务元作为多无人机任务管理的研究对象，简化了系统的复杂性; 然后创建了任务元生成与有效性判断方法; 最后采用基于主客观偏好值离差最小化的多属性决策方法，解决了任务元优先权排序问题。通过对多无人机任务管理系统的构建与理论分析，这种基于任务元的任务管理方法能有效降低系统任务管理的复杂度，便于指挥员对任务的有效决策及管理，该任务管理框架不仅能够解决多无人机系统任务管理问题，对于其他领域的对象管理也具有推广价值。