基于层次式优化的多幅眼底图像融合方法

针对眼底图像配准后直接叠加产生的接缝及如何保证多幅图像融合后细节信息不丢失的问题,提出层次式优化的多频带眼底图像融合方法。该方法通过多阈值分割获取掩模图像并计算其欧式距离得到各层次图像蒙版;根据欧氏距离值及拉普拉斯能量和设计每层蒙版图像的改进加权系数。构建基于信息熵、空间频率和清晰度的图像融合联合客观评价方法进行分析。最后,利用配准误差及重叠率对图像序列进行分组融合后进入下一层,对于奇数幅图像序列中没有组合的图像直接放入下一层。再根据分组规则重新分组进行优化融合,实现层次式的多幅眼底图像优化融合。通过对75组取自福建省附属第一医院眼科及眼底相机实验系统的图像序列,涉及4 898组图像对(正常眼底图像2 952对,病变眼底图像1 946对)进行测试与验证,结果表明,提出方法在有效除去拼接缝的同时,融合图像在重叠区域的RMSE值约为(0.1±0.05)像素。提出的融合方法在客观评价和主观视觉效果之间取得了较好的平衡。

基于最小二乘与D-S证据理论的WSN层次式数据融合算法

无线传感器网络中,数据融合技术是降低网络数据通信量、节省节点能耗和延长网络寿命的重要措施之一。为了在兼顾降低数据量的同时提高对事件的识别精度,提出了一种基于最小二乘法和D-S证据理论的层次式数据融合算法。算法在Sink节点上,以最小二乘算法融合从传感器节点上传的数据,降低了Sink节点与监控中心的通信量;在监控终端上采用D-S证据理论建立识别框架,通过证据的不断积累,提高了事件的识别精度。

基于自适应加权与LZW的WSNs层次式数据融合算法

为了兼顾提高数据采集精度与效率的同时有效降低传感器节点能耗,提出了一种基于自适应加权与LZW的层次式数据融合算法。传感器簇头节点对传感器节点发送的数据进行自适应加权处理,估计出均方误差最小时的值,簇头节点将处理后的数据采用LZW算法以一定的信息量压缩后再进行数据的传输。仿真表明,该层次式融合算法提高了数据采集的精度并有效降低了网络的能耗,延长了无线传感器网络的生命周期。

基于D-S证据理论的信息融合算法

针对现有D-S证据理论算法在信息融合应用中缺乏系统性的问题,提出了一种基于D-S证据理论的层次式融合算法。该算法模型采用多维属性信息的分域、层次融合方式,利用初始信息确定高层融合所需的概率分布的近似算法对数据进行融合处理,并对于可能存在的证据冲突问题,给出了算法的修正。仿真结果表明,该算法收敛速度快,准确度高,在低虚警率下具有较好的检测率。