基于结构功能交叉神经网络的多模态医学图像融合

针对多模态医学图像融合中存在纹理细节模糊和对比度低的问题,提出了一种结构功能交叉神经网络的多模态医学图像融合方法。首先,根据医学图像的结构信息和功能信息设计了结构功能交叉神经网络模型,不仅有效地提取解剖学和功能学医学图像的结构信息和功能信息,而且能够实现这两种信息之间的交互,从而很好地提取医学图像的纹理细节信息。其次,利用交叉网络通道和空间特征变化构造了一种新的注意力机制,通过不断调整结构信息和功能信息权重来融合图像,提高了融合图像的对比度和轮廓信息。最后,设计了一个从融合图像到源图像的分解过程,由于分解图像的质量直接取决于融合结果,因此分解过程可以使融合图像包含更多的细节信息。通过与近年来提出的7种高水平方法相比,本文方法的AG,EN,SF,MI,QAB/F和CC客观评价指标分别平均提高了22.87%,19.64%,23.02%,12.70%,6.79%,30.35%,说明本文方法能够获得纹理细节更清晰、对比度更好的融合结果,在主观视觉和客观指标上都优于其他对比算法。

基于三分支对抗学习和补偿注意力的红外和可见光图像融合

针对现有深度学习图像融合方法依赖卷积提取特征,并未考虑源图像全局特征,融合结果容易产生纹理模糊、对比度低等问题,本文提出一种基于三分支对抗学习和补偿注意力的红外和可见光图像融合方法。首先,生成器网络采用密集块和补偿注意力机制构建局部-全局三分支提取特征信息。然后,利用通道特征和空间特征变化构建补偿注意力机制提取全局信息,更进一步提取红外目标和可见光细节表征。其次,设计聚焦双对抗鉴别器,以确定融合结果和源图像之间的相似分布。最后,选用公开数据集TNO和RoadScene进行实验并与其他9种具有代表性的图像融合方法进行对比,本文提出的方法不仅获得纹理细节更清晰、对比度更好的融合结果,而且客观度量指标优于其他先进方法。

基于多尺度对比度增强和跨维度交互注意力机制的红外与可见光图像融合

针对目前红外与可见光图像融合存在特征提取不足、融合图像目标区域不显著、细节信息缺失等问题,提出了一种多尺度对比度增强和跨维度交互注意力机制的红外与可见光图像融合方法。首先,设计了多尺度对比度增强模块,以增强目标区域强度信息利于互补信息的融合;其次,采用密集连接块进行特征提取,减少信息损失最大限度利用信息;接着,设计了一种跨维度交互注意力机制,有助于捕捉关键信息,从而提升网络性能;最后,设计了从融合图像到源图像的分解网络使融合图像包含更多的场景细节和更丰富的纹理细节。在TNO数据集上对提出的融合框架进行了评估实验,实验结果表明本文方法所得融合图像目标区域显著,细节纹理丰富,具有更优的融合性能和更强的泛化能力,主观性能和客观评价优于其他对比方法。

基于NSCT域滚动引导滤波与自适应PCNN的医学图像融合

针对传统CT和MRI医学图像融合后存在边缘轮廓模糊、纹理细节丢失等问题,提出基于NSCT域结合相位一致性滚动引导滤波与改进参数自适应双通道PCNN的图像融合方法。首先,采用相位一致性滚动引导滤波对CT源图像进行增强,提高骨骼轮廓结构清晰度。然后,通过NSCT变换分解增强后的CT和MRI源图像得到低频子带和高频子带。低频子带系数采用改进参数自适应双通道脉冲耦合神经网络融合策略,明显改善了软组织的纹理细节模糊效果;高频子带系数采用加权求和修正拉普拉算法融合,提升了融合后图像的细节、纹理等信息。最后,通过逆NSCT变换重构出融合图像。通过五组对比实验表明,所提方法的AG、CC、SF、MSE以及CEN客观评价指标分别平均提高了13.30%、6.71%、4.40%、40.23%、19.16%,说明该融合方法在处理纹理细节、边缘轮廓、结构相似性以及图像像素方面性能更好。

基于MSPCNN与FCM的红外与可见光图像融合

针对红外和可见光图像融合存在的轮廓信息不全、边缘及纹理细节信息缺失等问题,提出一种改进简化脉冲耦合神经网络(Improved Simplified Pulse Coupled Neural Network, MSPCNN)和模糊C-均值(Fuzzy C-mean, FCM)图像融合算法。首先,将红外和可见光图像用非下采样剪切波算法(NonSubsampled Shearlet Transform,NSST)分解为高低频子带;然后对分解后的高频子带采用MSPCNN融合,用一种高斯分布权重矩阵进行处理,增强细节信息和对比度;接着,将得到的低频子带图像使用FCM聚类算法进行聚类中心提取,设置聚类中心近似阈值简化过程,实现背景分类提取;最后利NSST进行逆变换,从而完成红外和可见光的图像融合过程。通过客观评价指标计算,本文所提方法在平均梯度、标准差、平均相似度等参考指标上相对于其他同类型算法均有改善提高,由于模型参数的简化,算法运行速度相对于其他算法得到提升,算法更适用于复杂场景。

基于超像素和引导波的多聚焦图像融合

针对多聚焦图像融合中存在的聚焦区域误判、纹理不清晰和伪影等问题,提出一种结合超像素和引导波的非下采样剪切波变换(Non-subsampled shearlet transform,NSST)融合方法。首先,在高频融合中使用三重引导滤波达到识别聚焦区域和光滑聚焦边界的效果,并通过中值去噪增强图像的抗噪性。其次,对基于超像素融合的低频子带进行伽马校正提升图像的对比度,保证图像纹理的连续性,超像素融合还可以保持区域色度一致性。最后,重构的亮度和色度子图通过逆Lab变换进行融合。在7组实验中,本算法的空间频率(Spatial frequency,SF)、标准差(Standard deviation,SD)、边缘强度(Edge intensity,EI)和视觉信息保真度(Visual information fidelity,VIF)都远大于对比算法的相应值,表明本算法能很好地保留纹理轮廓信息,提升图像对比度和清晰度。

基于改进Unet与动态阈值可变FCMSPCNN的医学图像分割

针对深度学习的医学图像分割模型训练时间长和精度不精的问题,提出结合动态阈值可变FCMSPCNN的多尺度上下文编解码结构和注意力机制的CoA Unet(Context Attention Unet)分割方法。首先,使用动态阈值可变的FCMSPCNN预分割出目标矩形区域并使用掩码遮盖背景部分;然后,更深层卷积块加入快捷连接交叉融合不同层次的特征,并通过注意力门突出对目标特征的学习;最后,在编解码器最底层加入改进的多尺度上下文提取器可以更好地提取目标特征信息。模型分别在LiTs和DRIVE数据集上进行验证,肝脏分割指标Miou、Aver_HD、Aver_Dice分别为0.8905、6.3699、0.9477,视网膜血管分割指标分别为0.5892、9.2559、0.7409。实验表明,预处理能缩短4.3%~20.33%的训练时间并提升2%~6%分割精度,与其他5种分割方法相比,CoA Unet能取得更好的整体分割性能。

基于NSST的改进双通道PCNN多聚焦RGB图像融合

针对光学成像设备景深有限、图像部分失焦的问题,提出一种基于非下剪切波变换(NSST)的改进双通道脉冲神经耦合网络(PCNN)融合算法。首先,该算法采用Lab颜色空间分割RGB图像的亮度分量和色度分量间的关联性得到亮度和色度通道子图;然后,亮度通道子图使用NSST重构,色度通道子图使用能量匹配融合;针对融合时阈值设置和点火量化产生的误差,提出改进双通道PCNN模型融合,并结合对比敏感度函数(CSF)自适应设定PCNN参数;最后,亮度和色度重构图通过逆Lab得到最终融合图。实验结果证实,该算法可有效减小失真,抑制伪影并保留边缘轮廓信息,提升全场景清晰度。

通信技术课程群创新创业教学方法改革与实践研究

在激烈的就业竞争形势和经济社会发展的迫切需求下,学生是否具备创新创业的能力和素质是衡量人才质量的重要标准之一。从构建专业课程群、实践教学、线下线上教学、评价考核体系、学科竞赛等角度出发,探究在“新工科”建设背景下通信技术课程群与创新创业教学的融合。实践证明,通过教学改革,学生的工程能力显著提升,知识体系更加完善,创新创业能力大大增强。

思政教育融入“移动通信原理”课程的研究与实践

课程思政建设是全面提高人才培养质量的重要任务。"移动通信原理"课程是通信工程专业的核心必修课,深度挖掘该课程内容和教学方式中蕴含的思政教育资源,将对通信工程专业的全面育人起到良好的促进作用。文章从思政教育与"移动通信原理"课程内容相融合角度出发,将思政教育目标融入课程目标,设计思政元素融合案例,运用多种教学手段和方法实施思政教育,以期对高校工科专业课程思政教学提供改革思路和实践经验。

降低OFDM系统ICI间干扰的时域加窗算法

针对频偏引起的OFDM系统中载波间干扰(ICI)问题,提出了一种改进的基于正交化初等函数的Nyquist窗,用于抑制接收端由于频偏引起的载波间干扰。通过最佳的窗参数的选择,使接收端的信号干扰噪声比(SINR)达到最大化,以提高其自适应接收能力。同时,仿真分析了不同窗形对OFDM系统性能的影响,结果表明:所提算法能够极大程度地降低ICI,较好地改善了OFDM系统的SINR和误比特率(BER)性能。

工程教育专业认证背景下通信原理课程教学改革研究

通信原理是通信与信息类专业的一门核心主干课程,在课程体系中起着承上启下的作用。介绍本课程在兰州交通大学通信工程专业教育认证中对应的毕业要求,分析本课程教学现状及普遍存在的问题,以面向工程教育认证的应用型人才为培养为目标,对通信原理课程教学改革、实践方法与持续改进进行探讨。在以培养目标为导向、以学生为中心的教育理念驱动下,讨论通信原理课程基于工程教育认证标准的教学改革。

OFDM系统中DCT-IDCT插值信道估计算法

针对低信噪比条件下导频信道响应LS估计值中存在较大噪声干扰的问题,引入变换域滤波思想,并提出一种改进的方法,基于DCT变换域的滤波方法。通过仿真系统参数变化对改进算法性能的影响,分析和验证了改进算法的有效性。

一种新的FBG传感信号解调技术研究

在基于当前FBG传感信号解调技术的基础上,提出了基于可调谐法布里-珀罗(F-P)滤波法和非平衡马赫-曾德尔(M-Z)滤波法的FBG解调方法,并进行了系统仿真模型的设计,对其仿真结果与单独的可调谐F-P滤波法和非平衡M-Z滤波法的仿真结果进行了比较。结果表明这种方法的性能得到了明显的提高,适用于FBG传感信号的静态和动态解调。

基于修正后矩阵分解的最优协方差DOA估计

针对传统来波方向(direction-of-arrival,DOA)估计在信号相干、低信噪比与噪声非均匀环境下性能差的问题,基于修正后的矩阵分解,提出一种利用凸优化的协方差矩阵最优DOA估计方法。修正后的矩阵分解方法,解相干的同时克服了孔径损失;然后,利用凸优化,重构出无噪声的协方差矩阵;最后,利用最小化搜索计算出DOA。仿真结果表明,所提算法与矩阵分解(matrix decomposition,MD)算法、基于l1范数的奇异值分解(l1-norm singular vector decomposition,l1-SVD)算法以及基于空间平滑的协方差秩最小化估计(spatial smoothing based covariance rank minimization,SS-CRM)算法比较,能更好地抑制非均匀噪声,且在低信噪比条件下,依然性能良好。

基于改进加权空间平滑的凸优化协方差估计

针对相干信号受到非均匀噪声的干扰,在低信噪比环境中常规DOA估计存在估计效果较差甚至失效的情况,基于改进加权空间平滑,提出一种使用凸优化构造最优权重矩阵的方法。改进加权空间平滑算法解相干的同时构造权重矩阵,再用凸优化重构无噪声权重矩阵,将平滑过的协方差矩阵加权,并用MUSIC算法进行DOA估计。仿真结果证实,所提方法相对于空间平滑(spatial smoothing,SS)、基于特征空间MUSIC的空间平滑估计(spatial smoothing and eigen space based MUSIC,SS-ESMUSIC)以及接收信号协方差矩阵秩最小化(spatial smoothing based covariance rank minimization,SS-CRM)算法能更好地抑制非均匀噪声和解相干,且减少了低信噪比的干扰,展现出更优良的分辨力和准确性。

星型光通信模块的组网方案研究与设计

本文结合"铁路车站全电子化应急联锁系统"的研发,将该系统联锁通信单元与执行通信单元之间的通信方式由电缆改为光纤,提出并行星型耦合器组网方案,设计出能插入在室内执行机柜内的星型光通信模块实现联锁通信单元与执行通信单元之间的光通信;通过光电转换电路,隔断联锁通信机与执行机智能电子模块之间通信电路的电联系,给出了通信模块的硬件与软件实现。通过电磁兼容测试实验证明,该组网方案具有可靠性高、成本低、易升级等优点。

基于DCT的OFDM系统信道估计研究

根据DCT变换能量集中的特性,提出了一种基于DCT的OFDM系统信道估计改进方法。在分析了传统OFDM系统DFT实现的基础上,重点研究了基于DCT的OFDM系统,建立了仿真模型,并比较了基于DCT的OFDM系统和传统的OFDM系统的信道估计性能,通过在不同的信道估计方式下进行仿真分析,验证了基于DCT的OFDM系统信道估计性能更优。

通信工程省级实验教学示范中心建设的探索与实践

兰州交通大学通信工程实验教学中心在建设省级实验教学示范中心进程中进行了有益的探索与实践。结合实验中心建设和改革的具体案例,从实验的教学定位、实验教学改革、实验教学体系建设、实验教学方法与手段改革等方面进行详细阐述。

通信工程专业“三维一体”教学法的研究与实践

在总结了近年来教学研究工作的基础上,提出了通信工程专业"三维一体"教学法,对该教学法的具体内容、实施策略、实施中注意的问题以及实施效果做了详细阐述。