基于改进自适应加权的多传感器信息数据融合方法

多传感器采集的数据在数据特征和数据形式上存在较大差异,导致当前融合方法在加权过程中很难确定权值,融合效果差。文章提出一种基于改进自适应加权的多传感器信息数据融合方法,首先,进行多传感器信息数据的采集与预处理;其次,初始化每个传感器采样信息的权重;然后,根据调整后的权重对每个传感器的数据进行加权融合系数的自适应调整;最后,通过数据集合中同属性信息的聚类,实现对数据信息的融合处理。试验结果表明,所设计方法的实际应用效果更好,按照规范使用该方法进行多传感器信息数据融合,能够达到最优融合状态。

基于改进自适应加权融合算法的土壤湿度监测研究

传统方式进行土壤湿度采集的过程中往往会遇到环境复杂、信号弱、信号干扰较大等问题。为提高土壤湿度采集的精准度,提出一种基于数据级融合思路的改进多传感器自适应加权算法。通过建立改进的自适应加权融合算法模型,经过一系列推算,得到系统的总均方误差表达式,然后通过获得的值选择每个传感器的最优方差值,通过计算获得每个传感器的方差的最优估计值。经过实地测试,通过使用5个相同的传感器对土壤湿度进行采集,各传感器回传信息有较为明显的差别,使用自适应加权融合算法得到融合结果的总体方差较大,对自适应加权融合算法进行改进后,得到的总体方差减小了400%左右。

行列双动态规划的改进自适应立体匹配算法

在各种立体匹配算法中,利用动态规划算法求解可有效地提高立体匹配的速度和精确度,同时具有实时性好、易于实现的优点。利用动态规划算法的优点,提出一种基于行列动态规划的自适应立体匹配算法,采用改进的自适应代价函数和能量最小化模型,对最优化问题进行求解。在求解的过程中,基于行动态规划得到的列方向视差值的变化给予对应数据项不同的奖励值,以减少行动态规划产生的明显条纹,最后使用列动态规划得出最终结果。实验结果表明,该算法能够减少总体的匹配错误率,减少明显的条纹瑕疵,取得较理想的立体匹配效果。

1种农产品图像混合滤波算法的应用

针对农产品图像中的混合噪声,提出了1种有效的滤波算法。首先从噪声检测和标记方法、自适应加权滤波等环节对中值滤波算法进行适当改进,从而提出了1种改进自适应加权中值滤波算法对混合农产品噪声图像进行第1阶段滤波;然后对滤波后图像分别采用3×3滤波窗口、5×5滤波窗口的均值滤波算法进行第2阶段滤波;最后对均值滤波后的图像进行等权融合处理。分别将研究的滤波算法与中值滤波、加权中值滤波、极值中值滤波、均值滤波等算法进行试验仿真对比,结果表明,经过研究的算法滤波后图像清晰度明显高于其余算法且噪声残留程度明显低于其余算法,这对于农产品的高效处理具有一定的借鉴价值。

一种图像脉冲噪声小波域广义滤波算法

提出了一种脉冲噪声滤波算法。首先对噪声图像进行二维小波分解,得到高频和低频子图像;其次对高频子图像序列采用改进自适应加权中值滤波进行处理,以排除水平、垂直、对角方向的噪声;然后对于低频子图像引入基于修正系数的维纳滤波进行处理,并进行小波系数重构;最后设计出一种小波域图像增强模型,通过设置调节系数,将图像分为不同区域分别进行相应比例的对比度拉伸处理,结合实验定量讨论了噪声强度与模型系数的函数关系。实验表明,该滤波算法不仅优于几类单一滤波算法,相对于某些组合滤波算法而言,也具有一定的优势。