基于FCM与引导滤波的红外与可见光图像融合

针对传统红外与可见光图像融合算法中存在的目标模糊、细节丢失、算法不稳定等问题,提出了一种基于模糊C均值聚类（Fuzzy C-means, FCM）与引导滤波的红外与可见光图像融合方法。原图像经过非下采样剪切波变换（Nonsubsampled Shearlet Transform, NSST）后对低频子带进行引导滤波增强,再利用FCM与双通道脉冲发放皮层模型（Dual Channel Spiking Cortical Model, DCSCM）结合对高低频子带进行融合,最后经NSST逆变换得到融合图像。实验结果表明,本文算法稳定,主观评价上所得融合图像目标明确,细节保留较为完整,客观评价上在标准差、互信息、平均梯度、信息熵和边缘保留因子等评价标准中表现优良。     

一种基于蚁狮最大熵算法与引导滤波的图像融合算法

传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题,导致融合效果不理想,从而无法应用于目标检测、跟踪或识别等领域。因此,该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先,使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取,然后,对红外和可见光图像使用非下采样剪切波变换(NSST),并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数,增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。实验结果表明,所提算法能够得到目标明确、背景信息清晰的融合图像。     

基于自适应差分进化算法的拉曼放大器设计

为满足下一代6G网络对光通信网络提出的传输容量大、速率高及传输时延低的要求,本文将碲酸盐光纤作为光纤增益介质,并利用自适应差分进化(adaptive differential evolution,ADE)算法 对拉曼光纤放大器(Raman fiber amplifier,RFA) 的泵浦参数进行优化。该算法通过引入自适应算子控制变异率的大小,在保持个体多样性的同时增强全局搜 索最优解的能力。最终设计出一款覆盖100 nm带宽范围、平均增益为28.27 dB、增益平坦度为 0.65 dB的多泵浦RFA。同时,在该模型基础上分别研究了泵浦功率和光纤长度对拉曼放大器增益及增益平坦度的影响,为设计和优化多泵浦拉曼放大器模型提供了参考。     

基于正余弦扰动的海洋捕食者算法优化RFA设计

为适应下一代6G通信网络对光通信网络提出的高速率、宽带宽和大容量的需求,对拉曼光纤放大器(Raman fiber amplifier, RFA)泵浦参数的优化设计成为了当前光通信系统研究的重点。本文以掺铒碲基光纤为传输介质,提出了一种改进的海洋捕食者算法(modified marine predator algorithm, MMPA),利用该算法优化设计了多泵浦RFA,有效实现了对C+L波段内各信道的平坦光放大。与现有RFA优化算法进行对比,MMPA具有性能优异和鲁棒性强等特点,能有效解决拉曼耦合波方程中的非线性和组合优化等问题,确保RFA的高增益和低增益平坦度。仿真结果表明,在1 530—1 630 nm的增益谱宽范围内,放大器的平均增益为42.36 dB,增益平坦度为0.67 dB。     

基于SSA ELM和自适应差分进化算法的拉曼放大器设计北大核心CSCD

提出了一种将樽海鞘群算法优化极限学习机与自适应差分进化算法相结合的方法,并利用该方法优化多泵浦拉曼光纤放大器的参数配置。采用极限学习机构建泵浦参数和拉曼增益之间的非线性映射,并利用樽海鞘群优化算法对极限学习机参数进行优化获得最佳模型。对比分析了上述模型与BP神经网络和传统的极限学习机模型在评价指标方面的差异,结果表明本文所提出的模型预测性能较好。为了提高增益平坦性,利用自适应差分进化算法优化泵浦参数,得到最佳的参数配置。仿真结果表明,利用该方法设计出的拉曼放大器达到了预期效果,其目标增益与预测增益的最大误差不超过05dB。该方法为今后拉曼光纤放大器的设计提供了一种新的思路方法。