泛在末梢环境下均衡多业务的终端聚合机制

为了对异构终端进行有效聚合,解决泛在末梢环境中网络资源和终端能力有限性带来的多用户效益冲突分配问题,该文提出一种均衡多业务的终端聚合机制(DCMME)。首先以相对熵为均衡性指标设计了均衡服务质量效益函数,建立了面向多业务的终端聚合问题模型(MODC);然后,该机制对问题模型进行降维简化,提出了基于均衡的终端聚合算法(EDC);最后,通过C++和MATLAB仿真表明,在该机制下,用户均衡性改善了0.5%~20%,由此证明该方法很好地权衡和保证了多泛在业务请求下各用户效益。     

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。