边染色图中的正常染色的路和圈

讨论了无三角形的边染色图中的正常染色的路和圈,在无三角形图中改进了原有的结果。证明了在顶点的最小色度至少为d(d≥2)的条件下,边染色图G或者存在长至少为4d-2的正常染色的路,或者存在长至少为2「2d/3的正常染色的圈。     

蚁群算法在图像边缘提取中的研究

文章对蚁群算法在图像边缘的提取中进行研究,对蚁群算法在图像边缘提取中采用蚂蚁访问不同邻域策略与不同的启发信息公式进行MATLAB仿真,得到最佳的邻域策略与启发信息公式,并利用得到的最佳方式对不同图像进行边缘的提取,达到一定的效果。     

基于H.264 I帧编码的块边缘模式特征提取

提出了直接从H.264 I帧编码码流中提取块边缘模式特征的算法,并检验了该特征在图像检索中的应用。该算法利用H.264 码流中得到的帧内预测模式和预测系数提取出五种边缘模式特征,该特征符合MPEG-7中所定义的边缘描述符,适合基于内容的图像检索算法。实验结果表明,采用该特征进行图像检索具有较高的检索准确率,相对于只采用Intra预测模式纹理描述符的方法,平均查准率提高了5.07％。     

基于相对模糊和边缘强化的散焦求深度方法

摘 要: 研究了由散焦图像恢复物体深度的问题,改进了Favaro等人提出的基于迭代求解热扩散方程的方法.将两幅散焦图像按照相对模糊程度的不同,划分为两个区域,证明了这两个区域的边界和图像的边缘有很高的一致性,通过强化图像的边缘,使这两个区域的边界在迭代求解热扩散方程的过程中更容易确定.模拟实验与真实实验都验证了算法的有效性.     

SMT元件影像检测关键算法

提出了一种基于视觉的贴片元件几何特征参数的检测方法。该方法首先采用最大外接矩形的方法实现元件的粗定位及确定边缘的分割点。接着采用Canny算子和Zernike矩边缘检测算子实现边缘的亚像素精确定位。然后,利用分割点将边缘分割成4部分,分别进行直线拟合,得到边缘的直线方程,利用直线和圆弧相切的关系,求得直线和圆弧的切点,采用最小二乘法对两切点间的边缘点进行圆弧拟合得到圆弧的精确值。同时,采用快速傅立叶变换,利用变换后图像的特征,实现端面图像中条纹方向的判定。实验中测得亚像素边缘点的定位精度为0.03pixel,直线拟合精度为0.03pixel,圆弧拟合精度为0.05pixel,端面条纹判断的准确率为100%。理论分析和实验结果表明：本文提出的最大外接矩形分割法、亚像素定位法、直线圆弧拟合法及条纹方向判断法能很好的满足贴片元件几何特征参数自动视觉检测的稳定可靠、精度高及实时性的要求。     

基于改进蚁群算法的图像边缘检测

为了克服传统基于蚁群算法的图像边缘检测存在定位不准、易陷入局部最优解、对噪声鲁棒性不佳、且收敛速度过慢等缺点,本文提出了一种基于改进蚁群算法的图像边缘检测算法,此算法以传统边缘检测算子得到的边缘信息作为启发信息,建立了基于蚁群算法的边缘追踪模型,实现了信息素和启发信息对边缘追踪的导向作用,避免了蚂蚁在非边缘区域内行走,克服了陷入局部最优的缺点,最后本文运用了条件概率建立边缘检测评价标准.实验结果表明,本文的边缘检测方法具有较好的检测精度和噪声鲁棒性,且运行速度较快.     

边染色7-临界图边数的新下界

运用差值转移规则研究了7-临界图的边数下界,改进了已有的结果。     

关于K_n-{v_(n-5)v_(n-4),v_(n-3)v_(n-2),v_(n-1)v_n}(n≥14,n≡0(mod2))的点可区别边色数

给出了图K_n-{v_(n-5)v_(n-4),v_(n-3)v_(n-2),v_(n-1)v_n}(n≥14,n≡0(mod2))的点可区别边色数,其中Kn为n阶完全图。     

基于Canny算子和数学形态学的细胞边缘检测方法

提出了一种基于Canny算子和数学形态学的肉类细胞图像的边缘提取方法.制作了猪肉自然放置过程中各个时段的切片样本,先用Canny算子对0小时切片图像进行细胞边缘的提取,再根据数学形态学方法采用结构元素探针进行膨胀运算,对断裂的边缘和细胞内的孔隙进行填充,然后进行平滑处理.实验结果表明,该方法优于单纯基于微分算子的Canny算子边缘检测方法,为细胞切片图像的特征提取、识别等相关研究奠定了较好的基础.     

K_n-｛v_1v_2,v_3v_4,v_5v_6,v_7v_8｝(n≥20,n≡0(mod2))的点可区别边色数

研究n阶完全图Kn(n≥20,n≡0(mod2))去掉4条独立边后的点可区别边染色,并给出了图Kn-{v1v2,v3v4,v5v6,v7v8}(n≥20,n≡0(mod2))的点可区别边色数。