基于半邻域法的自适应图像边缘提取方法

图像边缘对图像识别和计算机分析十分重要,至今已经提出了大量的各种类型边缘提取算法.该文在半邻域法的基础上提出了一种基于自适应阈值选择的图像边缘提取算法,在判断某一像素点是否在边缘上时,以该像素点为中心,选取3×3的区域为研究对象,求出该区域的最大、最小、均值像素值及标准差,在选用标准差为其阈值的同时,还考虑人的视觉对于灰度分辨能力的限制.最后,对多幅灰色图像进行了边缘提取,结果证实了该文方法的有效性.     

基于扩展邻域的动态方向GVF计算方法

采用基于动态方向梯度矢量流(GVF)分割边界不清晰、灰度分布不均图像时,GVF外力场中通过拉普拉斯算子的扩散作用,利用4邻域进行掩膜运算;但未充分利用图像信息形成光滑的矢量场,同时迭代次数较高。提出一种基于扩展邻域的动态方向GVF计算方法。新方法从掩膜的角度分析了梯度矢量流模型,通过采用更大的邻域的掩膜来代替原来的基于4邻域的掩膜,得到了基于扩展邻域的梯度矢量流的计算方法。新的计算方法仅仅需要较少的迭代次数就能得到较好的效果。     

基于圆邻域和环算子的抗噪边缘检测方法

针对噪声图像的边缘检测问题,提出了一种基于圆邻域和环算子的边缘检测方法.首先,在像素点的一个适当的圆邻域内取若干个同心圆环,将这些圆环上的灰度值按径向进行加权平均,得到该像素点周围一圈各等距点上的平均灰度值,这些灰度值可构成一个周期序列;然后根据Sobel和Prewitt等算子的设计思想,构造出一类高通的环算子,利用离散傅里叶变换计算周期序列与环算子的循环卷积,其最大值则作为像素点是否为边缘点的判据.实验结果表明该算法对于含有噪声的图像具有较强的鲁棒性.     

基于边缘扩展相位相关的图像拼接算法

针对图像拼接算法中计算量大的问题,提出了一种基于边缘扩展相位相关的图像拼接算法。该算法采用迭代阈值分割法对图像进行边缘检测,并对检测出的边缘进行扩展相位相关计算,得出图像间的平移、旋转和尺度变化。利用这些参数拼接图像,用渐进渐出的方法实现拼接图像的融合。实验证明,该算法能够简化计算,并有效地实现图像的拼接。     

基于邻域非线性相互作用的动态连接匹配算法

提出基于邻域非线性相互作用的动态连接匹配算法,定义邻域相互作用势,并导出相应的演化方程.以二维随机点灰度图的匹配为例作了计算机模拟,结果表明新算法能快捷有效地完成匹配任务.     

基于邻域一致性测度的链码改进方法

从图像中提取出的目标边界曲线由于受噪声的影响,使得相应的边界链码很难与目标形状一致,影响了用链码来分析目标形状．因此引入邻域一致性测度的概念,提出了链码的一种改进方法．利用该方法,对由Canny算子检测得到的边缘图像进行编码．实验结果表明,上述算法明显改善了常规方法对噪声敏感的性能,能有效地使用到链码分析目标形状的预处理中．     

一种改进边缘连接的Canny边缘检测算法

针对Canny边缘检测算法中需要手动设置固定阈值而出现边缘间断或伪边缘的问题,设计了一种基于边缘对比特征和边缘方向的边缘连接方法。该方法是基于视觉感知实验总结的一组边缘对比阈值数据比较强边缘点和待连接边缘点的对比特征判断其相似性,通过保持一定的边缘方向确保边缘连接方向的正确性,待连接点只有满足相似性且连接后新旧边缘方向一致,才能被连接为新边缘点。结果表明,改进边缘连接的Canny边缘检测算法具有很好的边缘连接能力,且能获取完整干净的边缘。     

基于局部邻域连通性的重叠社区发现算法

发现复杂网络中的重叠社区是目前复杂网络分析的重要内容。选择社区代表性强的节点作为种子节点进行扩展是基于种子扩展策略重叠社区发现算法的关键,提出了一种基于度信息和邻域连通性的节点邻域中心性度量指标,并在此基础上提出了一种基于局部邻域连通性的重叠社区发现算法（Local Neighbor-hood Connectivitybased overlapping community detection Algorithm,LNCA）。首先计算每个节点的局部邻域连通熵和邻域中心性cc,选择中心性高的节点作为种子节点;然后采用带重启的随机游走策略扩展种子节点并得到初始社区;最后合并重叠度较大的社区得到最终社区发现结果。在6个带真实社区标签的网络和9个无真实社区标签的网络上,与SLP A、DEMON、CPM、Node_Perception、Ego_Networks、Egonet_Splitter等6个经典重叠社区发现算法进行比较,结果表明,在带标签网络上,LNCA算法在重叠NMI和F1分数上优于多数对比算法,可得到与网络真实社区更匹配的社区结...     

基于可变邻域的小波变换的球团图像边缘检测算法

提出一种基于小波变换的球团图像边缘检测算法。Mallat等提出利用小波变换的局部极大值点来表征信号的奇异点，从而进行图像边缘提取。但小渡变换的局部极大值点的确定直接关系到边缘检测效果的优劣。提出一种基于模极大值的小渡变换的局部极大值点选择方法，实验表明，该方法比传统的图像边缘提取方法具有更好的效果。     

基于可变邻域的小波变换的球团图像边缘检测算法

提出一种基于小波变换的球团图像边缘检测算法.Mallat等提出利用小波变换的局部极大值点来表征信号的奇异点,从而进行图像边缘提取.但小波变换的局部极大值点的确定直接关系到边缘检测效果的优劣.提出一种基于模极大值的小波变换的局部极大值点选择方法,实验表明,该方法比传统的图像边缘提取方法具有更好的效果.     

基于多尺度模糊逻辑的小波边缘检测方法

针对非极大抑制法中由于单一选定阈值所带来的确定性对边缘提取效果的影响,提出了一种新的基于模糊逻辑的图像边缘检测方法,即在不同尺度下实现图像的模糊增强,从而提高边缘检测精度.该方法对图像分别在不同尺度下低通滤波后实施广义模糊增强算法,增强灰度的区域对比度,更好地实现了在大尺度下抑制噪声、在小尺度下精确定位的效果.实验证明了该方法对影子(phantom)边缘的检测有较好的效果.     

基于边缘的小波变换编码

基于原图像经低通滤波器且向下２ 减抽样后,变成了分辨率低、缩小至原图像的四分之一,经高通滤波后,过滤出垂直、水平、对角边缘信息这一观点,提出了基于边缘的小波变换编码．当对３ 个高频带量化和编码时,充分利用低频带的边缘与３ 个高通滤波器过滤出的边缘之间对应关系,仅对边缘点的小波变换系数进行编码,无需记下边缘点的位置．从而更有效地对图像进行高倍压缩．     

基于边缘的面向虚拟视绘制的深度编码算法

深度图由锐边缘包围纹理的匀质区域组成, 因此边缘信息对于虚拟视的绘制至关重要. 由于深度图不同区域的失真会对绘制虚拟视质量产生不同的影响, 提出一种基于边缘的面向虚拟视绘制的深度编码算法. 将深度图划分为边缘区域和平坦区域: 对于边缘区域, 采用全搜索策略, 以提高边缘区域的编码质量; 对于平坦区域, 采用SKIP模式和16×16模式, 以提高编码效率. 除此之外, 在去块滤波中, 提出一种利用纹理图和深度图边缘相似性的可保护深度图片边缘的中值三边滤波器. 实验结果表明, 与JM编码方案相比, 该方法在码率基本不变的前提下, 提高了编码效率和虚拟视绘制的主观质量.     

图像处理过程中的边缘检测和边缘配准

综述了在图像处理过程中的边缘检测和边缘匹配的算法并比较了各算法的性能,同时在牙齿三维模型建立的实验中实现了边缘检测,同时根据边缘检测出来的Z子线,以及轮廓线与模型进行配准.     

浅析语篇衔接与泛读课教学探讨

学生往往花费许多时间在英语阅读中，有例如逐词阅读、不善于抓住句中的关键词，只注意细节而抓不住要点等阅读习惯。特别是对篇章的衔接和连贯，篇章结构缺乏必要的了解，不会运用预测、推断及结论等阅读技巧，因而阅读效果不甚理想。本文试对语篇衔接的研究成果在泛读课教学中的运用加以探讨，以期提高学生的阅读能力。     

基于分形和动态规划的复杂背景红外目标边缘检测

针对复杂背景下红外图像目标准确分割的难题,提出一种基于动态规划理论的边缘检测方法.首先根据分形理论,利用红外图像的灰度特征及纹理特征建立优化控制函数;利用局部自适应门限技术寻找潜在目标点,计算最小累计代价阵;在动态规划理论的最优控制下,完成复杂背景下红外图像中目标的边缘检测.实验结果表明,该方法能够有效地提取目标,减少虚警率.     

基于H.264 I帧编码的块边缘模式特征提取

提出了直接从H.264 I帧编码码流中提取块边缘模式特征的算法,并检验了该特征在图像检索中的应用。该算法利用H.264 码流中得到的帧内预测模式和预测系数提取出五种边缘模式特征,该特征符合MPEG-7中所定义的边缘描述符,适合基于内容的图像检索算法。实验结果表明,采用该特征进行图像检索具有较高的检索准确率,相对于只采用Intra预测模式纹理描述符的方法,平均查准率提高了5.07％。     

改进的基于单一尺度的医学图像边缘检测

针对经典取边缘算法的缺点和高斯多尺度边缘检测中尺度选择的复杂性等问题,提出了改进的单一尺度边缘检测方法,并将该方法应用到医学图像的边缘检测中。该方法首先用平滑理论,对图像进行平滑,将图像中一些无用的细节信息平滑掉,抑制噪声和高频干扰成分;因为边缘细节也被平滑掉,所以再利用模糊增强算子加大边缘两侧灰度的差异,然后利用基于高斯核的单一尺度过零点边缘检测方法提取图像的边缘;最后,将该算法与经典的sobel,canny算子进行比较。实验结果表明,这种方法较好解决了图像边缘的提取精度和图像噪声的抑制能力之间的矛盾。     

系列平行图的边色数

Vizing(1964年）和Gupta（1966年）各自独立地证明了边着色中的重要定理：对任何简单图G,表X′（G）＝△或X′（G）△＋1。但确定一个图G的边色数仍是一个尚未解决的问题。本文利用系列平行图的结构性质，确定了它的边色数。     

有限简单连通图的棱凝聚度上界的估计

本文证明了有限简单连通图的棱凝聚度的最小值上界之一为ｍｉｎ｛λ（Ｇ）－Ｋ（Ｇ）＋１，［λ（Ｇ）／２］｝，从而给出了图的棱凝聚度最小值上界的进一步估计