一种结合灰度和边缘信息的局部特征描述算法

针对单一特征引导图像匹配的准确度有限,提出了一种同时使用灰度和边缘信息的特征描述子。该描述子将图像的几何特征与灰度信息结合起来,首先计算每个特征点的灰度对比直方图,然后引入边缘属性以增强边缘的匹配。实验结果表明,该算法由于同时采用灰度信息与边缘信息引导图像匹配,其匹配效果好于单独使用灰度或边缘的图像匹配算法,在一定程度上降低了误匹配率,同时满足旋转和光照不变性,对图像灰度变化和噪声不敏感,具有良好的匹配性能。     

太赫兹网络中基于中继的高效双信道MAC协议

现有的太赫兹无线个域网双信道介质访问控制(MAC)协议工作在WiFi和太赫兹信道。由于这两种信道的频率相差极大,导致使用全向天线和定向天线的覆盖范围各不相同,这样便会使节点之间的消息传输成功率大大降低,同时也降低了网络整体的吞吐量。另外,在现有的太赫兹无线网络双信道MAC协议中还存在一定的冗余控制开销,这导致了信道利用率低。基于此,文章提出一种太赫兹无线网络中基于中继的高效双信道MAC协议(HE-BRMAC),HE-BRMAC分为中继辅助和自适应减少控制开销机制。通过这两种机制可达到提高消息传输成功率、提升网络整体吞吐量、减少控制开销和提高信道利用率的效果,尤其当节点数较多时,HE-BRMAC的效果更为显著。     

一种高效快速的无人机自组网网关切换算法

针对无人机自组网网关节点突然失效给网络性能和网络可靠性带来的不利影响,提出一种高效快速的无人机自组网网关切换算法。首先,设计了备份网关的选择机制,通过考虑网关节点和邻居节点之间的距离因素从而选出备份网关节点;其次,改进了网关失效识别机制,备份网关可以更快地检测出网关节点是否失效;最后,提出了高效快速的无人机自组网网关切换机制,减少了网关功能失效的时间。仿真结果表明,所提算法可以降低无人机自组网网关的失效时间,提高无人机网络的可靠性并使时延、吞吐量等性能得到了提升。     

基于局部Walsh变换和非负矩阵分解的脑白质图像分割

脑白质病变诊断是医学研究和病理分析的重要方面。颅脑核磁共振图像的白质分割在诊断中起着非常重要的作用,其分割的准确性直接影响后续的分析和诊断研究。本文提出了一种基于局部Walsh变换和非负矩阵分解的大脑核磁共振图像白质分割算法。算法首先对颅脑图像进行局部Walsh变换,选择鉴别性能好的特征得到特征矩阵,然后对其进行非负矩阵分解并得到白质的分割结果。实验表明,本方法计算简单,精度比较高,可以得到比较理想的分割结果。     

非负Laplacian嵌入在颅脑MR图像分割中的应用

在图理论的基础上,将非负Laplacian嵌入应用于颅脑核磁共振图像分割。该算法首先利用均值漂移算法对图像进行预分割,然后利用Gabor滤波器组对分块进行纹理特征提取,再将各分块映射为图中的每一个顶点,最后对图进行非负Laplacian嵌入得到每一小块的聚类结果。实验表明,相对于传统的Laplacian嵌入方法,非负Laplacian嵌入能够得到更好的分割结果。     

链路预测模型下的无人机网关选择算法

针对无人机自组网和地面控制站通信时网关节点持续时间短并由此带来的数据传输时延过大和成功率不高等问题,提出了一种基于无人机-地面控制站链路状态预测的网关选择算法.该算法通过建立基于无人机活动模型的预测和基于无人机运动趋势的预测,从而选择与地面控制站连接时间较长的节点作为网关候选节点.此外,通过使用函数计时机制选择网关选择参数最大的节点作为网关节点,有效避免分布式网关选择算法中随机延迟机制导致的不必要的网关切换.仿真结果表明,与现有的无人机分布式网关选择算法和移动自组网分簇算法相比,该算法有效延长了网关节点持续工作时间,并使无人机网络与地面控制站通信时的数据传输时延、数据传输成功率等性能得到提升.     

一种高效可靠的无人机自组网多跳TDMA协议

设计无人机自组网媒体接入控制(Medium Access Control,MAC)协议时,需要考虑其控制开销和数据传输的可靠性。鉴于此,结合现有无线自组网多跳时分多址接入(Time Division Multiple Access,TDMA)协议和无人机自组网特点,提出了一种高效可靠的无人机自组网多跳TDMA协议。首先采用高效负载均衡的时隙请求信息上传机制,选择一个负载较小的节点转发节点时隙请求信息;然后根据相互通信的父节点删除重复节点的时隙请求信息,减少相同节点的时隙请求信息转发次数;最后通过实时更新节点时隙请求信息机制,提高节点时隙请求信息传输的可靠性。仿真结果表明,该协议在数据传输成功率、平均时延、控制开销方面优于现有协议,可较好地应用在无人机自组网中。