几种图的棱凝聚度的最小值上界的讨论

本文利用明格尔定理,惠特尼定理及文献[1]的结论,对λ(G)=δ(G)=n 的一类图证明了它的棱凝聚度的最小值上界为[n/2].并同时证明了极小 n——连通图棱凝聚度的最小值上界为1.     

对一类图的棱凝聚度最小值上界的估计

本文对δ(G)≥[p+1/2]的一类简单连通图棱凝聚度的最小值上界给出进一步的估计,並指出这个最小值如果不是负整数,只能是0,或者是1。     

关于广义棱连通度的一个注记

将广义棱α（G）的定义推广到m＋1个同构图的情形,定义了图a^m（G）,得到广义棱矿（G）的点连通度和边连通度的几个性质．     

具有棱凝聚度≤1的顶点之个数估计

本文证明:当简单图G的棱连通度λ=1或当G的阶n≤2λ(λ≥2)时,G的任何点x部满足其梭凝聚度c’(x)≤1; 而当n>2λ(λ≥2)时,满足c’(x)≤l的顶点x的数目至少有(λ+2)个。     

邻接树图的连通度

设Ｇ是任一连通图，Ｈ是Ｇ的邻接树图，κ（Ｈ），λ（Ｈ），δ（Ｈ）分别是Ｈ的连通度，边连通度和最小次，则κ（Ｋ）＝λ（Ｈ）＝δ（Ｈ）。     

对图的最大Laplace特征值上界估计的两个新结果

设G是n阶简单连通图，其对应的Laplace矩阵的最大特征值记为λ1（G），给定图G的度序列d1≥d2≥…≥dn,我们给出了对λ1（G）的上界估计的两个新结果，并且刻画了等式成立时图的结构特征。     

邻接树图的连通度

设Ｇ是任一连通图，Ｈ是Ｇ的邻接树图，κ（Ｈ），λ（Ｈ），δ（Ｈ）分别是Ｈ的连通度，边连通度和最小次，则κ（Ｈ）＝λ（Ｈ）＝δ（Ｈ）．     

双圈图最大特征值的上界

本文将所有ｎ阶连通双圈图划分为Ａｎ（ｐ，ｑ）与Ｂｎ（ｓ，ｔ，ｍ）两类，然后分别讨论了在其最大特征值λ１（Ｇ）的上界，并找到了达到上界的极图。     

顶点的凝聚度与顶点的棱──凝聚度的关系

本文在［１］和［２］的基础上，研究顶点的凝聚度与顶点的棱─凝聚度的关系． 定理１ 如，ｃ（ｖ）＜０．则ｃ（ｖ）≥ｃ＇（ｖ）． 定理２ 设ｖ是图Ｇ的负点，ｕ是其它任意点，则ｃ（ｕ）＝ｃ＇（ｕ）．     

关于荫度参数的Nordhaus－Gaddum定理

以ａ（Ｇ）ａ１（Ｇ）分别记图Ｇ的点荫度、边荫度，对任意Ｐ阶非平凡简单图Ｇ及其补图，本文得到以下Ｎｏｒｄｈａｕｓ－Ｇａｄｄｕｍ类型不等式：｜ｘ｜、｜ｘ｜分别表ｘ之上整数、下整数。而且，对于每一正整数ｐ，（ｉ）、（ｉｉ）、（ｉｖ）式下界和（ｉｉｉ）式上界均可达到。     

Halin 图的均匀边染色

图G的一种均匀k 边染色是指用k种颜色去染G的边使得对G的每一个顶点v ,任何两种颜色染与v相关联边的数目最多相差 1.证明了对任意的大于 3的整数k,Halin图都有均匀k 边染色 ;讨论了k=3的情况     

系列平行图的边色数

Vizing(1964年）和Gupta（1966年）各自独立地证明了边着色中的重要定理：对任何简单图G,表X′（G）＝△或X′（G）△＋1。但确定一个图G的边色数仍是一个尚未解决的问题。本文利用系列平行图的结构性质，确定了它的边色数。     

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.     

图像边缘检测算法的比较与分析

图像边缘检测是图像处理和模式识别领域研究的重要课题.介绍了几种经典边缘检测算子,对其性能和算法特点进行了分析.运用Matlab进行了算法的仿真,结果表明LOG算子比Sobel和Prewitt两个算子检测出的图像边缘更为连续,也比较细小.     

一类边覆盖临界图的构造

在图的边覆盖染色中边覆盖临界图的构造问题一直是研究的热点和难题.给出了一类边覆盖临界图的构造方法.对于任意给定的最小度δ,利用该方法可以构造出相应的一类边覆盖临界图.     

伪Halin-图的无循环边着色

图G的无循环边着色是指图G的正常的边着色且任意的圈上不着双色.图G的无循环边色数是指对G进行无循环边着色所需的最少色数k,记为a′(G).给出了伪Halin图的无循环边色数满足猜想a′(G)Δ(G)+2,并且对任意的伪Halin图G且G≠K4,有a′(G)=Δ(G).     

图像处理过程中的边缘检测和边缘配准

综述了在图像处理过程中的边缘检测和边缘匹配的算法并比较了各算法的性能,同时在牙齿三维模型建立的实验中实现了边缘检测,同时根据边缘检测出来的Z子线,以及轮廓线与模型进行配准.     

若干n重积图的点可区别边色数

通过研究若干n重积图的边色数及点可区别边色数,就可证明■(Gi)=△(Gi),i=1,2,L,n,则∑=′×××=■△(G_i)其中G1×G2×L×Gn为G1,G2,L,Gn的n重积图.     

无向广义De Bruijn图的m-限制边连通性

m-限制边割将连通图G分离成阶不小于m的连通分支,图G的最小m-限制边割所含的边数称为图G的m-限制边通度,记作λm（G）.对于包含m-限制边割的连通图G,有λm（G）≤ξm（G）（m≤3）;如果λm（G）=ξm（G）,则称图G是极大m-限制边连通的.本文证明：当n≥7时,无向广义De Bruijn图UBG（2,n）是极大m-限制边连通的（m={2,3}）.     

小波变换及骨架提取在图像边缘检测中的应用

提出了一种基于小波变换及骨架提取的图像边缘检测算法，该算法将小波变换、边缘点检测和骨架提取合并成一个完整过程，减少了图像中纹理对边缘提取的影响．实验结果表明，该算法有较好的边缘检测效果．