图像边缘检测中的改进算法

针对传统的蚁群边缘检测算法存在耗时长和易受噪声影响的缺点,提出了一种改进的蚁群边缘检测算法.该算法对蚂蚁路径选择中的启发式信息值的计算方法进行改进,使其计算基于邻域中节点的梯度,能更好地引导蚂蚁向边缘节点进行移动.通过仿真实验表明:该算法与传统的蚁群算法相比,能够减少耗时、抑制噪声及准确快速地检测出图像边缘.     

基于高斯分布的ABC算法及应用

为了克服标准人工蜂群算法中容易陷入局部最优的缺陷、改善寻优过程中随机性过强的缺点,提出一种基于高斯分布的改进人工蜂群算法.通过高斯分布将局部最优和当前全局最优进行比较,从而能较快跳出局部可行区域,并且有较快的收敛速度.最后通过四个常用的数学测试函数进行测试,并将结果和标准ABC、GABC算法进行比较,结果表明改进算法在寻优能力和收敛速度上都有所提高.将改进算法应用于图像边缘检测时,较标准ABC取得了不错的效果.     

基于小波变换的齿轮图像边缘检测

在基于计算机视觉技术的齿轮测量中，齿轮图像中的边缘信息是极为有用的，它是进一步进行齿轮图像分割的基础，直接影响到齿轮几何参数测量结果的正确性和可靠性。传统的边缘检测算子大都是基于边缘的灰度不连续性利用梯度局部最大值或二阶导数过零点来检测边缘，容易受噪声干扰。文中采用图像的多尺度小波变换局部模最大值进行边缘检测。检测结果表明，此方法降噪能力强，定位精度高，克服了传统方法的缺点。     

基于蚁群算法的模糊C-均值聚类算法在声纹识别中的应用

提出了一种基于蚁群算法(ACG)的模糊动态C-均值聚类算法的声纹识别,该算法首先利用蚁群算法的较强处理局部极值的能力,克服了算法在选取聚类中心点时采用随机选取易使得迭代过程陷入局部最优解的缺点,动态地确定了聚类中心和数目.两者有机结合起来可以寻求到具有全局分布特性的最优聚类.将此算法运用于声纹识别上,从语音信号中提取待识别的特征矢量集,对待识别声纹信号进行识别.实验证明,该算法解决了算法对初始值敏感,易陷入局部最优的问题,且计算简单,识别率较高,具有较好的鲁棒性.     

基于蚁群算法的模糊C-均值聚类算法

提出了一种基于蚁群算法（ACG）的模糊动态C-均值聚类算法的声纹识别，该算法首先利用蚁群算法的较强处理局部极值的能力，克服了算法在选取聚类中心点时采用随机选取易使得迭代过程陷入局部最优解的缺点，动态地确定了聚类中心和数目.两者有机结合起来可以寻求到具有全局分布特性的最优聚类.将此算法运用于声纹识别上，从语音信号中提取待识别的特征矢量集，对待识别声纹信号进行识别.实验证明，该算法解决了算法对初始值敏感，易陷入局部最优的问题，且计算简单，识别率较高，具有较好的鲁棒性.     

基于果蝇优化算法的零件图像边缘检测算法研究及应用

为实现零件图像的边缘检测,针对传统基于微分的边缘检测算法存在边缘点定位不准确、角点漏检等不足,提出一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)的零件图像边缘检测算法.该算法首先通过Canny算子得到边缘点的先验知识,再利用希尔伯特变换提取角点信息,以边缘点和角点信息作为启发信息,建立基于FOA的零件图像边缘检测模型,最后通过随机平均移动机制和循环终止条件得到图像的单像素边缘.经实验验证,算法在无噪声边缘检测的条件下,相比传统的Canny算子,在零件图像检测的精度和准确性上有较大提升,可应用于工业零件的高精度无损检测.     

基于多结构元素的数学形态学边缘检测算法

针对传统边缘检测算子对噪声敏感的不足,提出了一种基于多结构元素的数学形态学边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,得到一种新的抗噪型边缘检测算子,利用多结构元素提取图像的边缘特征,即使在噪声条件下,也能获得较为理想的图像边缘。实验结果表明,与传统的边缘捡测算子相比,该方法边缘检测精度高,且具有良好的噪声鲁棒性。     

复合顺序形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于复合顺序形态变换的红外图像边缘检测方法·通过图像的局部均值和方差自适应的调节增强系数进行图像增强;采用形态学边缘锐化算法改善边缘清晰度·根据复合顺序形态变换相关概念及性质构造3种广义形态学边缘检测算子,可有效抑制红外图像中的噪声,提取目标边缘·实验结果表明,这种算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器·     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表...     

基于一阶绝对中心矩的边缘检测算法

在对M.Demi的基于一阶绝对中心矩边缘检测算法研究的基础上,提出一种新的图像边缘检测算法.该算法利用包含边缘的局部区域质心存在较大偏移这一特点,用偏移量的大小来判断局部区域是否包含边缘.算法克服了M.Demi算法对不包含边缘的区域处理不当的缺点,能够更准确地提取图像边缘.仿真结果表明,所提出的边缘检测算法是可行的和有效的.     

边界连接算法探测尿沉渣管形边界

图像的边缘信息是图像分割的重要基础．在图像噪音较小的情况下，经典边界算子可以得到较好的处理结果．但是在处理噪音较大的图像时，经典算子就难以满足要求了．在经典算子的基础上，结合边界跟踪和曲线拟合的理论，得到了能较好处理一般质量图像边界的算法．将该算法应用于模拟图像和实际尿沉渣图像管形边界的探测，比较准确地得到了对象的连续边界。     

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。     

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     

关于Kn-{vn-5vn-4,vn-3vn-2,vn-1vn}（n≥14,n≡0（mod2））的点可区别边色数

给出了图KKn-{vn-5vn-4,vn-3vn-2,vn-1vn}（n≥14,n≡0（mod2））的点可区别边色数,其中Kn为n阶完全图。     

关于K_n-{v_(n-5)v_(n-4),v_(n-3)v_(n-2),v_(n-1)v_n}(n≥14,n≡0(mod2))的点可区别边色数

给出了图K_n-{v_(n-5)v_(n-4),v_(n-3)v_(n-2),v_(n-1)v_n}(n≥14,n≡0(mod2))的点可区别边色数,其中Kn为n阶完全图。     

关于图中的D—圈

H.J.Veldman给出了简单图含有D-圈的一个充分条件,本文也给出了一个充分条件,从而推广了H.J.Veldman的结果。     

关于图的超常边连通度和等周边连通度的等值性

图的超常边连通度和等周边连通度是图的通常边连通度概念的推广，首先举例说明在一般情形下两者可以不等，然后再论证明当正则边可迁图的阶不小于3k时，它的k阶超常边连通度与k阶等周边连通度相等。     

Canny边缘检测改进中的自适应平滑与增强

通过对Canny算子进行边缘检测的过程分析,指出采用高斯模板对图像进行滤波会造成图像的过度平滑并导致图像中弱边缘的丢失,使得Canny算子的弱边缘检测能力降低。提出采用自适应平滑与增强方式对图像进行处理,在平滑图像区域内部的同时对图像边缘进行了增强,提高了Canny算子进行弱边缘检测的能力。     

正则图m-限制边连通度的存在性

图G的m-限制边割是删除它以后G不连通，且留下的每个分支的阶至少为m的边子集；m-限制边割的最小基数称为m-限制边连通度。设G是连通（k-2）-正则图，阶至少为2k（k≥5）。证明了G的k-限制边连通度存在当且仅当G不属于一种特殊图类G^＊ k-2.     

一类图中控制圈存在的充分条件

本文利用分离边和邻近边的概念分别得到不含Ｃ３及Ｃ４的图中控制圈存在的一个充分条件。