W（0,1）的李双代数结构

详细讨论了李代数W(a,b)的一种特殊情况W(0,1),即a=0,b=1的李双代数结构,并证明了双代数结构的三角性及上边缘性。     

应用视觉显著性的快速有偏聚类超像素算法

针对正则化超像素方法的超像素数随边缘拟合要求迅速增长的问题,提出了一种有偏聚类超像素算法。结合人类视觉对目标专注程度不一的特点,在SLIC算法框架下,提出了基于视觉显著性的非均匀初始化方法和有偏聚类距离函数。算法在图像的显著性区域进行密集的过分割,保持目标边缘的细节信息,而在非显著区域仅生成稀疏的超像素,以降低分割块数,再通过一步全局聚类和边缘逐步细化过程,有效地保证了图像的边缘拟合,同时提高了算法的速度。实验表明,在相同超像素数下,所提算法在边缘查全率、欠分割错误率以及运行速度方面均优于传统算法。     

本期导读

<正>本期"智能控制与智能计算"栏目中,《一种智能汽车的实时道路边缘检测算法》,以无人驾驶汽车为平台,针对结构化、半结构化道路下无人驾驶汽车道路边缘检测问题,提出了一种智能汽车的实时道路边缘检测算法,经实验验证,该算法准确率高,可靠性强,能够准确完成     

自适应偶数曲面细化

针对二分半规则曲面细化自适应性不足的缺陷,提出一种新的自适应偶数曲面细化方法,通过在顶点着色器中设计新的顶点调控函数控制顶点偏移,解决边界裂缝问题;并采用参数区域划分子区域的方法,解决函数坐标轴方向不一致引起的浮点误差问题,将细化因子集合从2n扩展到2n形式;利用偶数细化层次递增关系,优化参数几何数据布局,达到层次间顶点和索引双重用. 实验分析表明,在同等细化测度下,本文方法细化因子更接近于细化测度,曲面细化过渡更匀称,绘制面片规模由幂指数级降到线性级,绘制性能提高在20%以上,是一种可行有效的硬件网格细化模式扩展.      

基于MATLAB图像边缘检测方法的研究

图像中目标物的主要特征是通过边缘反映出来的,因而图像边缘可以作为图像识别、分类和理解的直接有效证据,这在图像处理中有着重要的作用和广泛的应用。通过MATLAB分别用5种算法对同一灰度图像进行边缘检测,比较实现结果,进一步对不同阀值状态下Canny算子进行边缘检测,结果显示,在阀值0.1到0.6范围内,对于Canny算子来说阈值越小边缘检测到的有效信息越丰富,阈值越大处理效果越清晰。     

单色织物疵点区域快速识别与边缘提取方法研究

结合自适应阈值分割,并基于数学形态学和边缘提取方法,给出一种单色织物疵点区域的快速检测方法。在Visual C++6.0开发环境下,利用OpenCV开发源库,设计开发了疵点区域自动识别与边缘检测程序,对常见的色污、脏污、飞花、掉扣、油纱、锈斑、织破洞、刮线和杂纤维等九种疵点进行检测。结果表明,该算法能够准确定位疵点区域,漏检率低,检测效率高,对实际检测系统的设计开发有实用价值。     

基于卡通纹理分解和NSCT的卫星云图边缘提取

为方便提取云图的缓变边缘,提出了基于卡通纹理分解和无下采样轮廓波变换(NSCT)的卫星云图边缘特征提取算法。首先使用基于张量扩散的卡通纹理分解对卫星云图进行预处理,减小云图中噪声和纹理的影响,将云的缓变边缘转化为阶跃边缘;然后依据NSCT域中高频系数的正负关系和相关性进行边缘特征提取。通过实验,将文中算法分别与基于投影卡通纹理分解的预处理算法、小波多尺度积、NSCT模极大值和NSCT多尺度积等边缘特征提取算法进行比较。结果表明,本算法可更准确地提取云的边缘,且受噪声和纹理的影响小,边缘的连续性更好,为准确地进行云分类提供了保障。     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。     

基于边缘图的梯度域图像融合方法研究

梯度域图像融合通过最小化融合图像的梯度场与融合梯度场之间距离求得融合图像,融合梯度场的准确性直接决定融合图像质量;由于源图像信息之间存在互补性,基于结构张量的梯度融合方法得到的融合梯度场的准确性不高,为保证融合图像质量,重构时需要添加其它感知项进行校正;提出了一种基于边缘图的梯度场融合方法,在边缘像素处以梯度值为权重进行加权融合,在非边缘像素处采用梯度值取大规则进行融合;实验结果表明:梯度场融合方法得到的融合梯度场准确性高,重构的融合图像具有满意的视觉质量和客观评价成绩。     

基于DSP的Sobel算子边缘检测算法的实现

提出了一种基于DSP的边缘检测算法的实现方案,给出了以TMS320DM642为核心处理器的系统硬件设计框图,分析了图像信号采集、处理以及输出三个软件任务线程.实验结果表明:该系统设计简单、运行稳定,充分利用了DSP强大的数据处理能力,满足实时性要求,并且获得较好的边缘检测效果.