推广的Petersen图的相邻顶点可区分的全染色

图的全染色概念是点染色和边染色的推广,图的所有元素(顶点和边)都将染色且任相邻或关联的元素染色不同.邻点可区分的全染色是在正常全染色的定义上,使得相邻顶点的色集不同.本文给出了推广的Petersen图的相邻顶点可区分的全染色.     

低度外平面图的点强全染色

图G的一个k-点强全染色是指图G的正常全染色f，若任意x，y∈N[υ]，有f(x)≠f(y)，简记为k-VSTC，称xT^υ5(G)=min｛k／G有k-VSTC}为G的点强全色数。研究了低度外平面图的点强全染色，证明了对△(G)=3的外平面图G有4≤xT^υs(G)≤5。     

一种改进的小波域图像去噪法

在小波阈值去噪方法的基础上,提出一种块匹配及小波变换技术相结合的图像去噪法,首先估算含噪图像的噪声方差,然后对图像进行分块匹配,构造各相似块的三维数据组,对其进行3D小波变换,再以噪声方差迭代形式,获得最佳软硬阈值对高低频系数分别做去噪处理,最后对低频DC系数做细节锐化运算。仿真结果表明,本算法既能有效地减轻图像中噪声,又具有较好的形状和细节保持能力,在图像的信噪比和主观视觉上都优于传统的软阈值、硬阈值、中、均值滤波去噪法。     

若干倍图的邻点可区别均匀全染色

研究一些倍图的邻点可区别均匀全染色(AVDETC), 利用构造法和匹配法给出了偶阶完全图、 偶阶圈、 路、 星和轮的倍图的邻点可区别均匀全色数, 并验证了它们满足邻点可区别均匀全染色猜想(AVDETCC).     

基于双线性内插的图像处理算法及其优化

双线性内插放大算法在平滑图像的同时会使边缘模糊。针对此问题,提出一种基于双线性内插的增强图像轮廓优化算法,使用高通滤波器让高频分量通过,实现边缘细节锐化,提高图像轮廓清晰度。实验分析,优化算法更适于数字图像实时放大处理。     

若干联图Pm∨Gn的邻点可区别E-全染色

记χat'e(G)为图G的邻点可区别E-全色数.若Pm是m阶的路,Sn是n+1阶的星,且nm≥2,则χate(Pm∨Sn)=4;若Pm是m阶的路,Fn是n+1阶的扇,且m≥2,n≥2,则χate(Pm∨Fn)=5;若Pm是m阶的路,Wn是n+1阶的轮,且m≥2,n≥3,如果n≡0(mod 2),则χate(Pm∨Wn)=5,如果n≡1(mod 2),则χate>(Pm∨Wn)=6;若Pm是m阶的路,Kn是n阶完全图,且n≥4,m≥2,则χate+(Pm∨Kn)=n+2.     

Sm×Sn,Sm×Fn 和Sm×Wn 的点可区别全色数

图的一个正常的全染色如果满足不同点的邻点及其关联边的色集合不同,则称该染色法为点可区别全染色,其所用最少颜色数称为该图的点可区别全色数.给出了星和星、星和扇、星和轮的笛卡尔积图的点可区别全色数.     

基于遗传算法的遥感图像纹理特征选择

本文基于Landsat 7 ETM 全色图像,以浙江省临安市大峡谷镇为研究区,进行基于遗传算法的遥感图像纹理特征选择的研究.首先利用灰度共生矩阵法和灰度-梯度共生矩阵法对研究区遥感图像进行纹理特征提取,共得到23个纹理特征,然后利用遗传算法对这23个纹理特征进行纹理特征选择,最后得到一组最优纹理特征集.实验结果表明,遗传算法因其自适应性、并行性、能较好地处理大规模复杂数据,且特别适合于解决多目标优化问题等诸多特性,所以是解决特征选择问题的理想方案.     

不同尺度下高分辨率遥感影像道路信息提取

道路作为衡量城市发展的主要因素,是城市发展过程中更新最快的要素之一,其发展直接影响城市功能用地的布局,因此基于高分辨率遥感影像的道路信息提取具有重要而现实的意义.在综合分析各种高分辨率影像道路提取方法的基础上,提出了基于不同尺度进行影像特征基元分割、并结合知识辅助实现基元分析的方法.该方法能够有效地通过面向对象方式将影像中的道路进行精确地提取,并可根据用户研究尺度的不同提取出不同规模的城市道路,最后结合具体实例对这种方法进行了分析.     

关于Cm·Cn,Cm·Sn和Cm·Kn的邻点可区别全色数

一个图的正常全染色如果相邻点的点染色及其关联边染色集合是不同的,则称为图的邻点可区别全染色,其所用到的最少颜色数称为图的邻点可区别全色数.该文得到了冠图圈与圈(星,完全图)的邻点可区别全色数.