粒子群优化算法在柔性边缘检测方法选取中的应用

边缘检测是图像处理中很重要的组成部分,其效果好坏直接影响到后面的图像分析。柔性形态变换用于图像边缘检测的方法有多种,粒子群优化(PSO)算法是一种有效的全局优化方法,广泛应用于函数优化,神经网络训练以及模糊系统控制等领域。该文将粒子群算法引入柔性形态学用来选取最佳图像边缘检测方法。实验结果证明,该文所提方法行之有效,值得推广。     

基于多分辨率分级分块处理的边缘检测方法

为了有效提取运动目标的特征,在目标检测的基础上,要对其进行边缘检测.由于传统逐点扫描方法运算量大,提出一种基于多分辨率分级分块思想的边缘检测算法.该方法先把图像分为多个子块后根据其四个顶点判断该子块是否包含目标,再对目标子块进行扫描确定目标的边缘.实验结果表明,此方法准确地确定目标的边缘,同时检测速度比传统逐点扫描法有一定程度的提高.     

Wm∨Wn的邻强边色数

得到了Wm∨Wn的邻点可区别边色数，其中Wm与Wn分别表示m＋1阶和n＋1阶的轮，Wm∨Wn表示Wm和Wn的联图．     

图Pm∨Wn的点可区别边色数

对网G的正常边染色，若满足不同点的点所关联边色集合不同，则称此染色法为点可区别的边染色法，其所用最少染色数称为该罔的点可区别边色数．得到了路与轮的联网的点可区别边色数。     

四类圈树的连续边着色

设G是简单图，用颜色1，2，3，…对G进行正常边着色，若每一个顶点上表现的颜色都能构成一个连续的整数集合，则称这个边着色是连续的．图G的亏度def（G）等于粘在G上使它可连续边着色的悬挂边的最小数目．文章研究了四类圈树的亏度．     

正多边形的一个性质

给出了当 n阶完全图 Gn 的 n个结点恰为一正 n边形的顶点 ,且 Gn的边为具有长度的直线段时 ,Gn 的 n( n - 1) / 2条边的边长与该正 n边形的半径之间的关系 .     

基于密切值法边缘检测效果的一种定量评价方法

一个定量的、可行的边缘检测效果评价方法对各种算法的评估有重要意义,文中在边缘检测效果评价问题中引入了密切值法,以经典算法作为标尺,通过计算待评价算法和各常用的检测算子所得数据的密切值,提出了一种定量评价检测效果的方法。密切值法计算复杂度低,且未将图像真实边缘作为已知条件,易于实现,因此在对图像边缘检测算法进行预估时,是一种可行的方法。     

有关与轴线成定角的螺旋铣刀刃口设计问题

指出了对于球面螺旋铣刀、带角圆的螺旋铣刀不宜采用与轴线成定解的定义来设计螺旋刃口，并给出了其数学上严格证明和直观分析，为同类研究提供了借鉴。     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计，得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。