高校智慧校园建设方案——以吉林农业科技学院为例

根据智慧校园的特点,笔者结合吉林农业科技学院信息化现状,以建设智慧校园为出发点,提出了吉林农业科技学院智慧校园建设的目标,从信息标准、基础设施、应用系统、面向服务的资源共享支撑平台及信息安全体系等方面详细阐述了智慧校园的具体建设内容,并针对具体建设内容提出了智慧校园建设方案,为各高校信息化规划和建设提供参考。

基于纹理和邻域信息的肤色分割算法

为有效分割图像中的肤色信息,提出一种基于纹理和肤色点的邻域信息肤色分割算法.首先,根据图像中的肤色点在RGB颜色空间上的分布规律,利用统计直方图模型对肤色部分进行初步分割;其次,为提取图像中的纹理信息,采用Gabor滤波器进一步过滤掉与人类皮肤颜色接近但纹理粗糙的区域;最后,采用掩码图像中的肤色点作为种子点进行邻域信息的扩散,得到最终掩码图像.实验结果表明,与统计直方图肤色模型相比,该方法肤色分割效果更好.

室外多变光照条件下农田绿色作物的图像分割方法

针对室外农田绿色作物图像分割中存在的问题,提出一种基于绿色作物G-R颜色特征,结合最大类间方差Otsu法和面积阈值分割的农田绿色作物图像分割方法,解决了室外光照不均及复杂土壤背景环境下农田图像中绿色作物与背景不易分割的难题.实验结果表明,该方法不仅对作物、土壤和光照变化不敏感,且可以消除图像阴影部分的影响,与颜色索引方法 EXG-Otsu和RGB算法(G>R,G>B)相比,该方法分割效果更理想.

基于U-Net多尺度和多维度特征融合的皮肤病变分割方法

针对皮肤病变区域尺度不同和形状不规则,传统U-Net网络方法缺乏从不同尺度分析目标的鲁棒性,并在提取图像高层语义特征时丢失部分空间上下文信息而影响后续分割精度等问题,提出一种基于U-Net多尺度和多维度特征融合的医学图像分割方法.首先,用空洞卷积融合不同尺度的空间上下文信息;其次,用通道上下文信息融合模块提取特征图各通道间的权重信息;最后,将特征图中的多尺度和多维度信息进行融合,以保留更多的空间上下文信息.实验结果表明,该方法在皮肤病变数据集上对皮肤病变区域进行分割的分割效果较好.

基于NSST与改进稀疏表示的医学图像融合方法

针对单一模态的医学图像无法为临床诊断提供全面、互补信息的问题,提出一种基于非下采样剪切波变换(NSST)与改进稀疏表示(ISR)的多模态医学图像融合方法.首先用NSST分解工具将待融合图像分解为一个低频子带和若干个高频子带;其次,用ISR方法融合低频子带,通过Sobel算子和引导滤波器去除低频子带的细节特征,从而提高低频子带的融合效率,同时对高频子带采用绝对值最大的融合规则进行融合;最后,将融合后的低频子带和高频子带进行逆NSST变换得到最终的融合图像.实验结果表明,该方法在主观视觉性能和客观评价上均优于其他对比融合方法.

基于深度学习的玉米叶部病害分割

针对深度网络模型在向下编码提取高层语义特征过程中丢失了部分空间上下文信息而影响后续分割精度的问题,本研究提出一种基于深度学习的CornDisNet网络分割模型。该网络在编码底层,从多个尺度提取图像语义特征,为后续解码捕获更多空间上下文信息,实现了玉米叶部病害区域的精准分割。该网络结构主要包括编码模块、多尺度特征提取模块和解码模块。编码和解码模块采用U-Net网络中的编码和解码模块,多尺度特征提取模块通过使用Atrous卷积,从不同尺度提取特征,以保留更多空间上下文信息。该方法与U-Net网络在准确率Acc、召回率Rec和精确率Prec三个评价指标上进行了比较。实验结果表明,本研究提出的方法在玉米叶部病害分割中取得了更好的分割效果。

高校智慧校园数字化平台建设研究

针对高校的智慧校园数字化平台建设进行结构化研究,结合学校信息化的需求,制定唯一的信息编码标准规范,通过软、硬件支撑平台建设为系统提供基础设施,实现数据可视化的搭建。通过基于LDAP和CAS的统一身份认证登录校园平台,实现综合业务上的整合和漫游访问等多服务支撑,并通过数据安全部署建设,为智慧校园的安稳运行和随时恢复备份提供保障。