摘要：光照变化会造成图像颜色失真和清晰度的下降,为了使计算机视觉系统具有颜色恒常感知功能,提出了一种基于极限学习机和杜鹃搜索算法的图像颜色校正与对比度增强算法.首先对于输入图像,提取该图像的17维特征向量,并利用训练好的极限学习机神经网络自适应地选择适合该图像的最佳颜色恒常算法,并进行相应的颜色校正;然后,针对图像的亮度分量,利用杜鹃搜索算法自动确定亮度增强函数的最优参数,并进行相应的对比度增强.基于Funt数据集的实验结果表明,文中算法不仅能有效地完成图像颜色校正,还能自适应地提高图像的信息量和对比度,获得图像颜色和对比度的综合最佳视觉质量.

摘要：近年来无线传感器网络(wireless sensor network,WSN)由于其部署简单、功能多样等优点被广泛应用于各个领域,然而传统的传感器定位算法存在着定位精度差、算法效率低等缺点。为了克服上述缺点,文章基于杜鹃搜索算法,设计和实现了一种新的算法来定位无线传感器。经过仿真实验验证,相比其他定位算法,该算法可以更加有效和快速地定位传感器位置。在此基础上,该文还探索了算法中参数的最佳经验值,从而让算法定位更加精确和快速。