基于拉普拉斯金字塔与PCNN-SML的图像融合算法

基于拉普拉斯金字塔(LP)与脉冲耦合神经网络(PCNN)变换,提出了一种有效的多聚焦图像融合算法。首先,利用拉普拉斯金字塔对图像进行对多尺度分解,并利用PCNN对每一尺度的分解图像进行处理,以获取描述特征聚类的神经元点火频率图;然后,利用点火频率图的局部拉普拉斯分量绝对和(SML),实现了图像每一尺度LP分解的融合;最后,通过LP分解的重构实现了对多聚焦图像的融合。实验结果表明,所提方法在各项客观评价指标上均优于传统融合算法,体现出了良好的性能。

一种TDMA无线传感器网络MAC协议能量有效性分析

经典轮询协议作为一种TDMA型MAC协议,符合无线传感器网络节约能量的要求,但在网络伸缩性上有所不足。在此基础上得出一种更适用于无线传感器网络的Controllable Threshold Polling MAC协议(CTP-MAC),使得网络能够自主完成时隙分配;结合概率母函数的方法,建立网络能量有效性的分析模型,得到平均功率的近似计算公式,对经典门限服务轮询协议和CTP-MAC进行分析。通过仿真实验,验证了分析模型的有效性。

基于简化脉冲耦合神经网络与拉普拉斯金字塔分解的彩色图像融合

针对图像空间分辨率低及分类精度不高等问题,提出一种基于简化脉冲耦合神经网络(S-PCNN)与拉普拉斯金字塔分解算法的彩色图像融合算法。首先,把RGB图像转换到HSI彩色空间中得到H、S、I三个分量,将H分量输入到S-PCNN模型中,利用S-PCNN对H分量进行特征区域聚类后,基于脉冲震荡频图和局部熵实现各源图像的H分量融合;然后采用拉普拉斯金字塔对S、I分量进行分辨率分解,根据不同融合策略对不同拉普拉斯金字塔图层中的S、I分量进行融合。最后,对融合后的H、S、I分量进行彩色空间逆变换,得到最终的RGB图像。实验结果表明,该融合算法在清晰度、空间频率、标准差方面优于传统的主成分分析(PCA)、脉冲耦合神经网络(PCNN)等算法,能很好地保留源图像的细节、纹理和主要特征信息,有效地提高了图像的融合效果。

产教融合背景下ICT学生创新能力培养提升研究——以现代通信技术专业为例

产教融合是职业教育的重要办学模式,是提升人才培养质量的主要举措。以华为ICT学院和中兴数字经济学院为协同育人发展平台,现代通信技术专业从多个维度探索提高ICT人才培养的质量,通过多年的发展,形成了“一二三”的教育教学体系,实现三个融合——双创与育人融合、双创与大赛融合、专业与证书融合,着力学生创新创业能力的提升,培养出了一批“厚基础 + 强实践”的优秀学生。

多目标粒子群优化PCNN参数的图像融合算法

目的脉冲耦合神经网络(PCNN)在图像融合上往往因为参数设置问题而达不到最佳效果,为了提高图像融合的质量,提出了一种基于多目标粒子群优化PCNN参数的图像融合算法。方法首先用多目标粒子群对PCNN模型参数进行优化得到最优PCNN参数模型,然后利用双复树小波(DTCWT)对图像多尺度分解,将高频分量通过优化好的PCNN模型进行高频融合,低频分量通过拉普拉斯分量绝对和(SML)来进行低频融合,最后通过DTCWT逆变换实现图像的融合。结果分别与DTCWT,拉普拉斯金字塔变换(LP)以及非下采样Contourlet变换(NSCT)进行实验对比,融合图像Clock,Lab的融合结果在客观指标上的互信息(8.062 3,7.908 5)、图像的品质因数(0.716 2,0.714 2)和标准差(51.213,47.671)都优于其他方法,熵和其他方法差不多,融合结果能够获得更好的视觉效果以及较大的互信息值和边缘信息保留值。结论该方法有较好融合图像的能力,可适用于计算机视觉、医学、遥感等领域。

S-PCNN与二维静态小波相结合的遥感图像融合研究

在色度、饱和度、纯度(HSV)彩色空间,结合简化脉冲耦合神经网络(S-PCNN)与二维离散静态小波(SWT)提出一种有效的遥感图像融合算法。将多色光谱转换到HSV色彩空间,对多色光谱的V分量与全色光谱进行二维静态小波分解,再将分解后的高频系数输入S-PCNN模型进行融合。低频部分进行第二次小波分解并采用不同规则将其融合,对融合的小波系数进行小波逆变换得到融合的V分量,并将多色光谱的H、S与融合后的V分量转换到RGB空间。通过一组常用的遥感图像融合实验,表明本文算法的融合效果优于传统算法,且融合图像细节明显、色彩保留较好,是一种有效的遥感图像融合算法。