一种二值图像的快速细化算法

提出了一种适应于二值图像的快速细化算法，该算法利用边缘跟踪，根据边缘跟踪特点所设计的判断规则及单向链表结构存储边缘信息等技术，大大地加快了细化速度，而且占内存少，当仅需对目标模式进行细化处理时，该算法更为有效。     

基于内点保留的二值图像细化算法

提出一种基于内点保留的并行细化算法，与一般基于边缘点去除的细化算法比较，它具有运算速度快，程序简单，便于硬件实现，能够完整地保存图像的拓扑结构，所获得的骨架对称性好等优点，在ＩＩＳ图像处理系统上进行了初步实验，结果表明，所提出的二值图像细化方法解决二值图像细化问题开辟了一条新途径。     

二值图像细化算法的比较与改进

本文在分析二值线图形的基本细化原理及目前流行的各种细化算法的基础上，提出一种以Ｈｉｌｄｉｔｃｈ经典算法为基础并行与串行处理相结合的细化算法。该算法大大提高了处理速度，满足工程图矢量识别系统对处理速度的要求。     

基于二值图像的手写体快速细化算法

针对查表算法模板数量多、匹配过程耗时长的缺点,分析手写体节点与周围像素邻点的相对位置,提出了一种手写体快速细化算法.该算法仅需要44个标记模板和15个优化模板即可实现对手写体二值图像的细化.实验结果表明,改进算法能够在有效降低算法复杂度的同时准确识别手写体的骨架.     

面向指纹二值图像的两种并行细化算法

本文讨论了两种并行细化算法；其中健壮性并行细化算法是对Ａ．ＤＡＴＴＡ等人提出的算法的一种改进，作为比较，还讨论了数学形态学方法。通过在指纹细化处理中的应用，对这两种算法作了较为详细的比较。     

一种新的基于二值图像的边缘检测算法

边缘检测是数字图像处理中常用的一种技术,可以捕获图像中物体的重要特征.介绍了几种经典的边缘检测算子,提出了一种基于二值图像的边缘检测方法.该方法不用对图像求导,仅统计每个像素点的8邻域值的情况,即可确定该像素点是否为边缘点.实验表明,该方法用于二值图像时,检测效果较理想.     

基于内点保留的二值图像细化算法

提出一种基于内点保留的并行细化算法，与一般基于边缘点去除的细化算法比较，它具有运算速度快，程序简单，便于硬件实现，能够完整地保存图像的拓朴结构，所获得的骨架对称性好等优点。在ＩＩＳ图像处理系统上进行了初步实验，结果表明，所提出的二值图象细化方法为解决二值图像细化问题开辟了一条新途径。     

一种二值图像连通区域标记快速算法

由于处理时间和存储空间的限制,常规的区域标记算法往往无法满足实时图像处理的需要。针对这些不足,提出了一种新的二值图像区域标记快速算法。该算法通过结合轮廓跟踪技术,经过一次图像扫描即可完成所有连通区域的标记,避免了大多数改进算法都必须处理的标记冲突问题,此外,本算法不受所标记的区域的形状和面积的影响,能够准确标记任意形状的连通区域,表现出良好的鲁棒性。最后与现存的多种算法进行了比较,实验结果表明该算法是快速和高效的。     

二值图像细化的细胞神经网络新算法

给出了基于布尔函灵敏的二值图像细化的细胞神经网络（ＣＮＮ）新算法。利用ＣＮＮ的分段线性特性和状态空间分析实现了布尔函数，这不仅可给出一种能代替以前的试凑法的分析算法，而且还可得到一个更广泛和更简洁的结果。     

新模板下的二值字符图象的细化算法

在研究传统细化算示的基础上,空出二值字符图象的特点引入一类新的模板实现细化,并在软件实现的基础上获得了理想的处理结果。     

一种改进的等高线并行细化算法

讨论了经过分色提取之后等高线的细化问题,以减少数据的处理量,为矢量化过程做前期处理准备.针对军事地图等高线,提出了一种改进的快速并行细化算法.采用两步法细化算法对等高线进行细化处理.在已有的两个逻辑规则基础上,增加了若干限制条件,处理了模板的对称性问题.同时还给出了删除数组,提高了算法的运行速度.从运行结果看,没有发生骨架畸变现象,避免了过度腐蚀,具有较好的连通性,此方法的细化效果较为理想.     

基于数学形态学的细化算法

对二值图像处理中细化的算法进行了研究,介绍了基于形态学的细化算法,同时,对数学形态学的相关理论做了介绍。并利用该算法对地图图像进行了细化处理,取得了良好的实验效果。通过实验研究可以看出,该算法设计灵活,便于实现,具有一定的实用性。     

一种快速的一次扫描细化算法（OSSTA）

提出了一种快速的一次扫描细化算法，通过骨架点的预测分析，得到骨架点，对非骨架点的像素不作判断，并通过插补连接得到骨架。另给出了细化实例。     

一个快速的二进制多重精度gcd算法

求两个整数的最大公因子（gcd)的经典的Euclid算法时间复杂度为O（ln^3n)，不适宜于多重精度运算。论文证明了gcd的相关性质，提出了一个基于二进制的、适用于多重精度运算的改进算法，其时间复杂度为O（ln^2n)。     

基于两极复合式指纹图像细化算法的研究

针对现有指纹图像模板细化算法中存在的诸如迭代次数较多，细化速度慢，图像局部细化不完全等问题，分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点，提出了一种基于两极复合式算法的指纹图像细化算法，该算法在保证对图像完全细化的同时，能较明显提高细化处理速度。     

一种基于像素标记的二值图像区域围线追踪方法

在研究了多种二值图像连通区域围线追踪算法的基础上,提出了一种改进型的二值图像连通区域围线追踪算法。该算法在已有围线追踪算法的基础上,通过定义特定追踪方向,使得追踪过程始终按照逆时针或顺时针方向沿着连通区域边缘进行。在追踪过程中对像素点进行多次标记,通过在按照追踪方向确定的像素点基础上判断像素标记值来确定下一次待追踪像素点的选取。由于对像素点进行多次标记,有效区分了一次追踪像素点和二次追踪像素点,解决了追踪过程中出现的追踪间断现象,使得追踪结果呈现一条完整围线。实验结果表明,此方法可以快速有效地完成二值图像连通区域的围线追踪和提取。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.