融合模糊聚类的蚁群图像增强算法

为提高边缘检测精准度,保证图片分割后效率和效果,本文提出一种基于融合模糊聚类的蚁群图像增强算法。该算法利用分量灰度值、灰度梯度值和领域特征值进行图像特征提取,得到特征灰度图;然后使用模糊聚类算法对区域蚂蚁进行聚类以提高收敛速度;再采用蚁群算法进行图像边缘检测,检测过程中,使用路径选择策略对蚁群进行有序搜索,提高搜索效率,又根据信息素更新策略进行最优路径信息交流,以达到边缘点提取与检索目的;最后将检索所得灰度边缘图与原图进行重合,得到图像增强效果。实验结果表明,该改进算法在检索时间方面相较于传统蚁群算法提高了20.7%;在精度方面提高了14.8%,图片分割效果更好,纹理更清晰。     

城市交通信号灯网络化控制及优化配时问题

首先,给出单交叉路口的定义,从抽象模型mn网络出发,该文提出城市交通的动态多车道、四相位控制模型;提出阻塞判别条件,并给出阻塞时对路口控制的网络模型。将两种系统综合在一起,给出多目标优化的性能指标及其约束条件。采用遗传算法进行多目标优化,仿真结果表明该方案是可行的。     

融合非物理模型的改进AM-RetinexNet图像增强算法

针对地下空间低照度图像色彩偏暗、亮度低且分布不均、增强后图像色偏和噪声高等问题，研究提出了融合非物理模型的改进AM-RetinexNet图像增强算法。该算法将RGB图像转换成HSV分量，利用HSV空间相互独立性实现图像亮度增强和色彩增强处理，其中S分量利用V分量提取的相关信息进行自适应调整，V分量采用融合直方均衡化与注意力机制优化的RetinexNet进行照度分量增强处理；将处理后HSV分量转化成RGB图像，并对图像进行自适应色彩恢复，得到照度增强图像。对比实验表明，在图像的细节处理、亮度整体增强处理、图像降噪和色彩视觉修正等方面该方法表现较好，测试指标中平均互信息(MI)、标准差(STD)、结构相似性(SSIM)、平均梯度(AG)、空间频率(SF)和峰值信噪比(PSNR)最佳，均值分别可达到6.18,70.62,0.56,13.29,36.53,39.22。     

基于五位一体的科研反哺教学模式探究

针对教育部 “新工科”、“金课”建设背景，如何平衡民办高校教学与科研失衡问题，提升民办高校教学质量，成为研究重点。研究将科研融合课堂建立情景知识共建的五位一体教学模式，以培养学生创新思维和整合思维，进而构建科研-教学共生体，师师-师生-生生学习共同体，实现科研-教学过程螺旋式上升。改革以人工智能三门基础课构建课程群验证，结果表明其教学效果较佳。