基于最优离散滤波器的边缘检测算法

边缘检测已经成为图像理解和计算机视觉中的一个主要领域,其检测的质量直接影响后期理解的效果。寻找一种对噪声不敏感、定位精确、能有效区分真假边缘的方法,一直是研究的重点。从理论上来说．Canny算子是连续域最优的边缘检测算子,但在离散域中却并非最优,对于数字图像可能存在误差。为此,提出一套完整的离散域边缘检测算法。在最优滤波器理论基础上,推导出离散域的最优平滑算子,抑制了图像的分割错误、噪声和伪边缘的影响。实验表明,该算法能有效实现灰度图像的多尺度边缘检测。具有高的信噪比．更清楚和更符合计算机识别要求,是一个理想的边缘检测方法。     

目标定位最优布站的研究

将目标检测问题转化为椭球体的截面对圆的覆盖问题,并给出了“逐层收缩”方案,给出了一个可计算的较优的结果;通过对逐层收缩方案的调整,获得了最优解:18个球(9个红球和9个蓝球).本文将目标定位问题转化为圆的三重覆盖问题,建立“球均定位能力”模型证明了一个红(蓝)球周围有4个蓝(红)球这种模式具有最大的球均定位能力,在此基础上给出红、蓝球的一个布局.36个球(18个红球和18个蓝球).