两种边缘检测方法的比较

明确了子波变换、Ｍａｒｒ－Ｈｉｄｒｅｔｈ滤波器和神经网络侧抑制的相互关系，分析比较了优化法和自适应平滑法两种图像边缘检测方法的特性，就过零点检测给出了具体方案，为清除虚假过零点，设计了二阶导数过零与三阶导数小于零相结合的算法，取得了较好的边缘检测效果。     

残差修正步进模型在社保卡数字照片处理中的应用

针对社保卡安全性问题,提出了将残差修正步进模型(GSMEM)运用于社保卡数字照片处理.为了适应社保卡应用的要求,压缩数字照片既要减少其占用的内存,又要保证算法具备较快的运算速度,以提高社保卡图像边缘的视觉效果.实验结果表明,该方法具有较高的实用性.     

虹膜识别技术中瞳孔特征参数分析

以椭圆形来定义瞳孔,提出了一种计算瞳孔特征参数的方法.用椭圆上的两对点确定椭圆的中心、旋转角度、长半轴、短半轴等参数.实验表明,该方法速度快,检测性能好,可以通过非连续的边缘确定椭圆的参数.最后,比较了该算法确定的椭圆形瞳孔边缘与其它边缘检测算法得到的瞳孔边缘.     

支持视觉检测的边缘检测技术

本文简述了视觉检测技术在工业中的广泛应用，回顾和总结了立体视觉系统中的边缘检测技术；对边缘检测技术中的各种方法进行了分析、比较。     

基于形态学的图像融合算法

提出一种基于边缘连接强度的图像融合算法。利用形态学梯度算子得到图像的边缘信息。以图像灰度的边缘连接强度加权为判据,进行图像融合。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

柔性形态边缘检测算法在菌类显微图像中的应用

在灰度图像的柔性形态学概念及特性的基础上,根据菌类显微图像的边缘特点,提出了均衡化的柔性形态边缘检测方法.以霉菌图像为例,通过实验结果和传统的canny算子、LOG算子边缘提取结果进行对比,证明了算法的有效性,为菌类识别打下了良好的基础.     

利用BP神经网络识别数字图像

本文首先介绍了数字图像以及数字图像在试验中的存储方式，然后分析了实验中使用的三层BP神经网络模型及神经网络学习算法，讨论了图像中心区域象素点与边缘区域象素点不同的处理过程，最后描述该BP神经网络的识别结果及应进一步研究的几个问题。实验表明，用BP神经网络识别数字图像是一种高效、高正确率的方法。     

综合利用边缘和颜色特征的图像检索

分别介绍了图像边缘和颜色特征的提取方法,及基于内容的图像检索系统的实现。试验结果表明,在图像检索时合理利用图像的边缘和颜色特征,可有效地提高系统的检索性能。     

基于逆向学习改进算法的汽车边缘提取

根据智能交通系统中车型识别的特点提出了使用逆向学习改进算法提取汽车边缘的新方法，这种方法的优点在于可以充分利用车型识别系统的特点和汽车历史轨迹的先验知识得到较好的提取精度，并有效地解决了车型识别中，因使用黑白图象而使基于色彩的汽车边缘提取失效的问题。     

基于Diff-Serv网络中接入控制算法及其实现

对现有接入控制算法(CAC)进行了分析比较,提出了一种面向基于Diff-Serv网络的接入控制算法,给出了该算法中区分服务的映射算法、接入控制算法的实现过程.这种算法的目标是提供可靠的服务质量保证和高的资源利用率.