针对无线传感网络中数据融合需求的多样性，提出了一种新的簇内数据融合方法。该方法基于信息熵可反映节点数据分布的统计特性，首先对节点内数据并查集的信息熵进行最大寻优、自动确定融合的上下限阈值，完成节点局部数据融合；同时考虑簇内信息分布的空间特性，对簇内二维信息熵进行最大寻优，并由此确定簇内数据融合的阈值、实现冗余数据过滤；最后就该方法与传统的数据融合策略进行了仿真比较。实验结果验证了该方法简单，可有效实现全局数据融合，显著降低节点能耗。

输入彩色图像，转化为灰度图像后，进行图像信息熵（一维和二维）、互信息等计算和对比分析。

图象的一维熵可以表示图像灰度分布的聚集特征，却不能反映图像灰度分布的空间特征，为了表征这种空间特征，可以在一维熵的基础上引入能够反映灰度分布空间特征的特征量来组成图像的二维熵。 选择图像的邻域灰度均值作为灰度分布的空间特征量，与图像的像素灰度组成特征二元组，记为(i,j)，其中i表示像素的灰度值(0<=i<=255)，j表示领域灰度均值(0<=j<=255)，即可 反应某像素位置上的灰度值与其周围像素的灰度分布的综合特征，其中f(i,j)为特征二元组(i,j)出现的频数，N为图像的尺度，定义离散的图像二维熵为： 依此构造的图像二维熵可以在反映图像所包含的信息量的前提下，突出反映图像中像素位置的灰度信息和像素邻域内灰度分布的综合特征。

针对惯性权重改进策略大多采用同代粒子使用相同权重,忽略了粒子本身特点以及不同维上的有效信息,提出一种基于不同粒子不同维的动态自适应惯性权重粒子群算法(AWPSO)。在该算法中利用矢量运算分析粒子进化公式,用一种新的方法构造惯性权重公式,使惯性权重随不同代不同粒子不同维动态改变,加快粒子收敛速度和全局搜索能力。通过对7个典型测试函数的测试结果表明,AWPSO在收敛速度,收敛精度,全局搜索能力方面比线性惯性权重粒子群算法(LDIWPSO)均有不同程度上的提高。

三维信息获取的技术手段通常分三种： 第一种：利用三维建模软件（如3DSMAX，AutoCAD等）构 造三维模型； 第二种：人们通过仪器设备直接获取三维信息； 第三种：利用图像或者视频来重建三维模型；

基于BIM三维信息技术的变电站运维巡视方法.pdf

拓维信息：2021年半年度报告.PDF

双目立体视觉的主要目的就是得到空间点的三维信息，所以这个程序就是在完成计算机标定的基础上对是哪位信息的求解

计算一副RGB图像的二维信息熵，具有详细的注释。可以正常运行。 matlab版本的

matlab 分割采用二维信息熵的方法将图像分割出来，程序简单易懂，运行速度令人满意，有做图像分割的可以下载来用，原理是根据信息量的大小进行切割。