基于FPGA的图像边缘检测算法设计

通过研究Sobel原理和算法,在FPGA内部用流水线的方式来实现数据的具体提取、计算和存储,最终实现了对任意Bmp格式图像的边缘检测图像的计算和提取,并显示出来,证实Sobel算法有比较好的边缘检测效果,而且采用流水线的技术,可以有效提高数据计算的效率,实现了一个时钟周期就输出一个像素图像的导数值。     

k-连通图中最长圈上可收缩边的数目

给出了k-连通图中最长圈上的可收缩边的数目,得到如下结果:任意断片的阶至少为「k/2+1 的k-连通图中最长圈上至少有3 条可收缩边;更进一步,若该k-连通图中存在哈密顿圈,则哈密顿圈上至少有6 条可收缩边。     

铅离子胁迫下盆栽玉米叶片光谱微分的红边响应研究

基于重金属铅(Pb)污染的盆栽实验玉米,采用光谱仪和叶绿素仪测量了不同浓度Pb~(2+)胁迫下玉米老、中、新叶片的反射光谱及其叶绿素含量;也运用质谱仪测定了不同胁迫浓度叶片中Pb~(2+)含量。对玉米老、中、新叶片中的叶绿素含量与各类叶片及土壤中的Pb~(2+)浓度进行了相关性分析;并为了区分玉米叶片铅离子污染程度和预测Pb~(2+)含量,提出了红边一阶微分曲线面积比值(FARR)和红边一阶微分峰前面积(FABR)参数;同时与常规红边一阶微分包围面积(FAR)、红边一阶微分曲线陡峭度(FCDR)、红边位置(REP)以及红边最大值(MR)作运用比较,实验结果表明,玉米叶片中的叶绿素含量从新叶、中叶到老叶逐渐增加,并随着土壤中Pb~(2+)浓度的升高而降低;受到Pb~(2+)胁迫时,新叶片到老叶片的REP"蓝移"更为明显;FARR和FABR在Pb~(2+)的胁迫程度区分和污染监测方面比FAR、FCDR、REP、MR具有更好的预测效果。     

棉花异性纤维在线检测系统研究与实现

棉花异性纤维危害大,人工挑拣时效率低下。为了通过机器将其实时的分拣出来,研究并设计了一种异性纤维在线检测系统;其中包括棉流图像的采集、预处理,以及异纤识别等过程。通过两个高速线阵CCD扫描摄像机获取原棉图像,预处理时,针对图像中光照分布不均导致的亮度分布不一致问题,提出了基于行的照度不均修正技术;异纤识别方面,提出了基于四方向绝对差分的边缘提取;并通过阈值分割的方法得到异纤边缘。图像识别前,将图像按照执行机构排列进行均匀分割,使得算法输出指令可以直接对应到相应的执行机构。现场测试表明,该系统能够有效检测出异纤,速度快、精度高、可靠性好,实现了生产自动化。     

图的点可区别星边色数的一个上界

图\,$G$\,的点可区别星边边色数, 记为\,$\chi'_{\rm vds}{(G)}$, 是图\,$G$\,的点可区别星边染色所用色的最小数目. 得到了一些特殊图的星边染色,
并证明了若图\,$G$\,是一个最小度不小于\,5, 且顶点数不超过\,$\Delta^7$\,的图时, $\chi'_{\rm vds}{(G)}\leqslant {14\Delta^{2}}$, 其中\,$\Delta$\,是图\,$G$\,的最大度.     

基于小波变换的自适应阀值植物根系图像边缘检测

植物根系的生长状况可以反映该地区的气候及土壤特性,现有的根系研究方法如挖掘法、整段标本法和剖面法,都有破坏样本和工作量大等缺点．为了实时跟踪植物根系生长状况,介绍了一种基于多尺度小波变换和自适应阀值的图像处理方法,对采用内窥方法获得的根系图像进行边缘检测,并将边缘提取后的图像进行融合．此方法可以在不损伤植物根系的前提下自动对根系的生长情况进行提取分析,实现实时采集及精确测量根系的物理参数．     

两类图的点可区别边染色数

证明了,任意正整数k≥2,存在点可区别边色数为2k+1的k+1-正则图;任意正整数m≥4,存在点可区别边色数为m的偶图.     

几何活动轮廓模型用于高分辨率遥感影像海岸线自动提取

潮湿的潮滩以及近陆浑浊的海水往往使得遥感影像中的海岸线表现为模糊边界,此外潮滩表面复杂的微地形以及大量潮沟存在,使得传统基于边缘检测或分类的海岸线提取方法都难以获得连续、完整的岸线.针对上述问题,提出了一种结合区域信息改进的几何活动轮廓模型从遥感影像中快速、自动提取海岸线的方法.该方法首先利用二维最大方差阈值化分割并辅以形态学滤波对海岸线进行粗定位,以此作为初始演化轮廓,再利用改进的几何活动轮廓模型对海岸线进行精确提取.通过SPOT5全色影像的仿真试验证明该方法能够快速、准确地提取海岸线,得到的矢量岸线可直接用于地理信息系统（GIS）分析.     

几类弱积图的邻点可区别一般边染色

讨论了弱积图邻点可区别一般边染色,给出了P_2n×K_m,C_2n×C_2m,C_2n+1×C_2m+1,C_2n+1×K_m的邻点可区别一般边色数,得到了当G和H都无孤立边且色数均至少为3时,G×H邻点可区别一般边色数至少为3的结论.     

大豆叶片水平叶绿素含量的高光谱反射率反演模型研究

利用便携式光谱仪和分光光度计法分别测得大豆生长期内叶片的高光谱数据及相应的叶绿素质量分数w,利用多元统计分析和红边参数反演提取与叶片水平的w(叶绿素)相关性较高的敏感波段和光谱形式,及特征光谱位置,并以此为基础推演得到一个基于神经网络算法的叶绿素含量反演模型,结合了3种方法的优点,具有较高的反演精度.