基于逆向学习改进算法的汽车边缘提取

根据智能交通系统中车型识别的特点提出了使用逆向学习改进算法提取汽车边缘的新方法，这种方法的优点在于可以充分利用车型识别系统的特点和汽车历史轨迹的先验知识得到较好的提取精度，并有效地解决了车型识别中，因使用黑白图象而使基于色彩的汽车边缘提取失效的问题。     

基于Diff-Serv网络中接入控制算法及其实现

对现有接入控制算法(CAC)进行了分析比较,提出了一种面向基于Diff-Serv网络的接入控制算法,给出了该算法中区分服务的映射算法、接入控制算法的实现过程.这种算法的目标是提供可靠的服务质量保证和高的资源利用率.     

一种基于彩色图像的锐化算法

对常用锐化算法进行改进，提出了一种新的针对彩色图像的边缘增强算法，并用模糊集理论选取阈值去除噪声．实验证明，改进的算法能有效地突出彩色图像的边缘，与其他算法比较，该算法耗时很少．     

快速B样条二维细微边缘检测算法

传统的边缘算法无法得到令人满意的图像细微边缘检测结果。作为对传统边缘算法的补充，这里提出了用于图像特征提取的细微边缘检测算法。采用快速B样条转换实现快速图像插值可以提高运算速度。这种基于B样条函数的算法能快速计算出信号的一阶导数，通过搜索图像一阶导数最大值的位置确定边缘点的位置。实验结果表明图像经插值放大3倍以后可以获得满意的细微边缘检测结果。     

数字图像处理技术在指针式仪表读数系统中的应用

阐述了基于图像处理技术的指针式仪表自动读数系统的结构和工作原理，分析了采用Matrox MeteorⅡ图像采集卡应用软件系统的开发特点．在图像处理方法上，比较了Canny算法和Morlet小波基函数的小波变换算法对图像边缘检测的效果．结果表明，采用小波变换检测边缘，提高了检测精度，满足了实际应用的需求．     

帽形加劲复杂卷边槽钢柱偏压性能试验研究

对共计18个简支试件进行偏心受压试验,分析并研究了未加劲、腹板中央帽形加劲、腹板和翼缘中央帽形加劲3种截面复杂卷边槽钢的极限承载力、失稳模式及变形特征等特性.结果表明:有效形心移动对偏心承压构件的承载能力有很大影响.在板件中央设置帽形加劲可以适当减小板件的宽厚比,显著提升受压构件的极限承载力及钢材利用率,但畸变屈曲在构件失稳模式中起控制作用.在同等条件下,板件中央帽形加劲偏压构件的承载效率提升了15%~70%.     

强边着色猜想问题的最优图

著名图论专家Erds和Nesetǐil对图的强边色数上界提出了一个猜想:当最大度Δ为偶数时,χ's(G)≤5/4Δ~2;当最大度Δ为奇数时,χ's(G)≤1/4(5Δ~2-2Δ+1);并且给出了当Δ=4时的最优图.此处构造了一族图,并证明了当最大度为奇数时,如果Erd9s和Ne2etǐil提出的强边着色猜想成立,则猜想中的上界是最优的.     

条件故障下3-元n-立方体的容错分析

研究了条件边故障下3-元n-立方体中较大连通分支点的数目，进而证明了3-元n-立方体是(4n－6)-条件边故障强Menger边连通的。最后通过一个反例说明该结果是最优的。     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。     

数字图像连续表示及应用

研究了离散图像的连续表示及重建问题.首先利用弦理论,给出了图像的连续表示形式,然后利用付里叶变换实现了图像连续表示及重建的快速算法,接着将它们应用于图像无级缩放、图像平滑、边缘检测、角点检测,并与传统离散图像处理方法的实验结果进行了比较.实验结果表明:利用图像连续表示方法处理离散图像可以得到不差于传统的离散图像处理方法处理的结果,此方法使离散图像的解析法处理成为可能.