二阶导数型边缘检测算子边缘定位误差的研究

本文首先导入了离散的高斯-拉普拉斯(DLOG)及二项分布--拉普拉斯(LOB)两种二 阶导数型边缘检测算子.由独立的高斯噪声所污染的数字边缘作为边缘图象模型.使用二阶 导数型边缘检测算子对图象模型进行卷积后,用均方误差最小的准则对卷积后的图象进行平 面拟合,并求出零交点作为图象的边缘点.推导了二阶导数型算子的边缘定位概率Pd及假边 缘检测概率Pf,继而比较了两种二阶导数型边缘检测算子的性能.     

一种基于δ函数的图象边缘检测算法

提出了一种基于δ函数的图象边缘检测算法 .首先提出了正则化的 Shannonδ函数 ,它是低通滤波器 ,且其傅立叶变换是无限可微的 ,接着推导了正则化的 Shannonδ函数及其一阶导数的时域和频域公式 ,研究了正则化的 Shannonδ函数及其一阶导数与参数 s和 t的关系 .然后根据正则化的 Shannonδ函数及其一阶导数 ,提出了两种边缘检测算法 :一种是用于精细地检测边缘的 D算法 ;另一种是用于从含噪图象中检测边缘的 C算法 .D算法用正则化的 Shannonδ函数的一阶导数检测边缘 .C算法用正则化的 Shannonδ函数平滑噪声 ,用正则化的 Shan-nonδ函数的一阶导数检测边缘 .最后进行了仿真实验 ,仿真实验表明 ,D算法的性能由其参数决定 ,且该算法优于Sobel算法和 Prewitt算法 ;C算法优于 Sobel算法和 Prewitt算法 ,且与 Canny算法的性能相当 .总之 ,该算法是一种能有效地从无噪声图象中检测细节边缘和从噪声图象中检测边缘的边缘检测算法     

图像边缘检测算法的比较与实现

边缘检测的目的是标识数字图像中灰度变化明显的点,而导函数正好能反映图像灰度变化的显著程度,因而许多方法利用导数来检测边缘.针对典型的基于导数的边缘检测算法Sobel、Log和Canny,在分析其算法思想和流程的基础上,利用MATLAB对这3种算法进行了仿真实验,分析了各自的性能和算法特点,比较边缘检测效果并给出了各自的适用范围.     

采用3D Gaussian Facet模型的亚体素表面检测

提出一种基于Gaussian facet模型的3D边缘检测算法.首先利用Gaussian加权最小二乘拟合,引入空间权因子表达图像采样点对模型参数估计的相对重要度,扩展了经典Haralick facet模型,建立了3D Gaussian facet模型及其计算公式;然后采用抗噪性好的3D IDDG算子估计梯度方向,并在该梯度方向上计算二阶方向导数过零点,以获得表面点亚体素位置.实验结果表明,该算法能有效地降低邻近边缘干涉对检测结果的影响,可更好地提取尺寸较小的结构边缘.     

基于信息流多级结构响应的轮廓检测模型

考虑到视觉信息流在视通路多级结构中的处理方式,提出一种图像轮廓检测的新模型。方法 首先,根据初级视皮层（V1区）4B层的简单细胞具有三重感受野结构并对朝向敏感的特性,感知图像方位信息,并经复杂细胞提取获得边缘轮廓响应;其次,根据V1区2/3层细胞的抑制特性,引入稀疏性度量指标和神经元突触动态编码机制对边缘轮廓响应进行抑制,得到纹理抑制响应;最后,利用高级视皮层的融合修正机制,对边缘轮廓响应和纹理抑制响应进行优势互补,得到最终的轮廓检测结果。结果 在RuG40和BSDS500图像数据集上进行实验,结果表明本文算法能够有效的区分图像的轮廓与纹理信息,凸显主体轮廓。结论 本文构建了一种基于信息流多级结构响应的轮廓检测模型,对后续基于生物视觉机制的图像分析具有一定的参考价值。 关键词：轮廓检测;视觉机制;信息流分层响应;三重感受野;突触动态编码     

基于交叉视觉皮层模型的边缘检测算法

交叉视觉皮层模型(ICM)在处理图像时,会因连接矩阵权值设置不当而产生错误。为此,提出一种新的连接矩阵设置方式,介绍基于交叉视觉皮层的边缘检测算法,确定神经元点火范围。将该算法应用于模糊医学图像的边缘提取中。实验结果表明,与其他边缘检测算法相比,该算法能够较好地提取模糊医学图像边缘,具有较高的精度。     

一种基于猫视皮层细胞机制的改进的Sobel算子

目前最常见的边缘检测算子是Sobel算子,但是它存在对非0°和非90°朝向的边缘检测时,其输出幅度不强、抗干扰和抗亮度变化弱的问题。通过仔细比较Sobel算子与猫（以及雪貂和猴）的初级视皮层的简单细胞对场景边缘检测原理的不同,提出了更接近于猫的初级视皮层中的简单细胞的工作机制的边缘检测算法——改进的Sobel算子。实验结果表明：改进的Sobel算子不仅保留了经典的Sobel算子的优点,而且提高了45°、135°朝向的边缘输出幅度,增强了抗干扰性和亮度适应性。     

利用Gabor方向导数相关矩阵的角点检测

为了提高角点检测的准确率,提出了一种使用图像的Gabor方向导数构建相关矩阵来进行图像角点检测的算法。算法首先通过Canny边缘检测算法提取检测图像的边缘轮廓;然后使用Gabor滤波器对图像进行平滑,利用每一个边缘像素和其邻近像素的Gabor方向导数构建相关矩阵,若相关矩阵的归一化特征值的和大于预定阈值并且是局部极大值,则标记该像素为角点。算法利用邻近像素Gabor方向导数之间的相关信息提取角点,与传统的基于轮廓的角点检测算法相比,检测性能更加稳健。实验结果表明：在含噪声和无噪声情况下,提出的算法检测到的真实角点更多,而错误角点更少,整体性能有明显提升     

基于云空间和模糊嫡的边缘检测算法

基于模糊集理论及云理论,提出了对象云的图像模糊边缘检测方法(OCFD).算法充分考虑图像的模糊性和随机性,建立起图像空间与云空间的映射模型,生成模糊对象云和边界云,完成图像空间到云空间的映射.在云空间中实现逻辑云运算的边界云提取,提出并实现了基于边界云的过渡区定义及其提取算法.最后利用最大模糊熵在过渡区内实现检测边缘.实验证明,OCFD算法在检测性能方面优于模糊Sobel,Pal.King等算法,为图像的模糊理解和分析提供了一种新的思路,同时也丰富和拓展了云理论.     

基于方向导数和B样条小波的图像边缘检测

根据图像边缘及噪声的多尺度传播特性和小波边缘检测的基本原理,提出了一种基于方向导数和三次B样条小波的边缘检测算法。该算法兼顾图像边缘的方向特征和小波基对称、线性相位的特点,较好地解决了边缘提取精度与噪声抑制能力之间的矛盾。通过计算机仿真对该算法进行验证,结果表明该算法不仅能准确地检测出图像边缘,而且能有效地抑制噪声,优于传统的边缘检测算法。     

Holistically-Nested Edge Detection

We develop a new edge detection algorithm that addresses two important issues in this long-standing vision problem: (1) holistic image training and prediction; and (2) multi-scale and multi-level feature learning. Our proposed method, holistically-nested edge detection (HED), performs image-to-image prediction by means of a deep learning model that leverages fully convolutional neural networks and deeply-supervised nets. HED automatically learns rich hierarchical representations (guided by deep supervision on side responses) that are important in order to resolve the challenging ambiguity in edge and object boundary detection. We significantly advance the state-of-the-art on the BSDS500 dataset (ODS F-score of 0.790) and the NYU Depth dataset (ODS F-score of 0.746), and do so with an improved speed (0.4 s per image) that is orders of magnitude faster than some CNN-based edge detection algorithms developed before HED. We also observe encouraging results on other boundary detection benchmark datasets such as Multicue and PASCAL-Context.     

Modeling production configuration using nested colored object-oriented Petri-nets with changeable structures

Configuring production processes based on process platforms has been well recognized as an effective means for companies to provide product variety while maintaining mass production efficiency. The production processes of product families involve diverse variations in manufacturing and assembly processes resulted from a large variety of component parts and assemblies. This paper develops a multilevel system of nested colored object-oriented Petri nets with changeable structures to model the configuration of production processes. To capture the semantics associated with production configuration decisions, some unique modeling mechanisms are employed, including colored Petri nets, object-oriented Petri nets, changeable Petri net structures, and net nesting. The modeling formalism comprises resource nets, manufacturing nets, assembly nets and process nets. The paper demonstrates how these net definitions are applied to the specification of production process variants at different levels of abstraction. Also reported is a case study in an electronics company. The system model is further analyzed with focus on conflict prevention and deadlock detection.     

Edge enhancement by local deconvolution

In this paper a new approach for blurred image restoration is presented. Our algorithm is based on human vision which zooms back and forth in the image in order to identify global structures or details. Deconvolution parameters are estimated by an edge detection and correspond to the ones of a chosen edge detection model. The segmentation is obtained by merging multiscale information provided by multiscale edge detection. The edge detection is achieved by using a derivative approach following a generalization of Canny-Deriche filtering. This multiscale analysis performs an efficient edge detection in noisy blurred images. The merging leads to the best local representation of edge information across scales. The algorithm deals with a mixed (coarse-to-fine/fine-to-coarse) approach and searches for candidate edge points through the scales. Edge characteristics are estimated by the merging algorithm for the chosen model. Scale, direction and amplitude informations allow a local deconvolution of the original image. The noise problem is not considered in this work since it does not disturb the process. Results show that this method allows non-uniformly blurred image restoration. An implementation of the whole algorithm in an intelligent camera (DSP) has been performed.     

基于GPN径向基神经网络的边缘检测方法

在基于神经网络的边缘检测模型中,大部分模型的检测效率不高,检测效果也有待提升.本文受人眼视觉系统特性的启发,提出了一种新的基于GPN （Gaussian Positive-Negative）径向基神经网络的边缘检测方法.首先,本文构造了一种新型的基于GPN径向基神经网络,将图像中经高斯滤波预处理后的每个像素点作为GPN径向基神经网络的中心点,并将其输入神经网络;然后,在每层之间使用卷积神经网络的部分特性进行处理,经过扩展层和隐层计算后输出结果;最后根据输出结果利用轮廓跟踪的方法将边缘提取出来.本文在检测效果以及效率这2个方面进行了相应的数值实验.针对合成图像以及部分灰度不均匀图像,相较于脉冲耦合神经网络模型、遗传神经网络模型以及卷积神经网络模型,本文模型在效率上得到了提升,且边缘的连通性更好.实验结果表明,本文提出的基于GPN径向基神经网络的边缘检测方法是一种新的、有效的边缘检测方法,比传统的神经网络边缘检测方法效率更高,且在检测效果上也有所提升.     

一种基于本地网络的蠕虫协同检测方法

目前已有一些全球化的网络蠕虫监测方法,但这些方法并不能很好地适用于局域网.为此,提出一种使用本地网协同检测蠕虫的方法CWDMLN(coordinated worm detection method based on local nets).CWDMLN注重分析扫描蠕虫在本地网的行为,针对不同的行为特性使用不同的处理方法,如蜜罐诱捕.通过协同这些方法给出预警信息,以揭示蠕虫在本地网络中的活动情况.预警信息的级别反映报警信息可信度的高低.实验结果表明,该方法可以准确、快速地检测出入侵本地网络的扫描蠕虫,其抽取出的蠕虫行为模式可以为协同防御提供未知蠕虫特征.通过规模扩展,能够实施全球网络的蠕虫监控.     

基于RPCA的图像模糊边缘检测算法

针对传统边缘检测方法未能在抗噪性能与边缘检测精度之间取得较好的权衡的问题,利用鲁棒主成分分析模型良好的矩阵恢复能力与图像模糊边缘检测算法较佳的边缘检测性能,提出一种基于RPCA的图像模糊边缘检测算法,将图像的边缘检测问题转化为图像主成分的边缘检测问题。该算法对含噪图像进行RPCA分解,得到对应的稀疏图像和低秩图像,再用一种基于阈值的隶属函数将低秩图像转化至等效的模糊特征平面,并在该特征平面上进行模糊增强运算,最后进行空域转化及边缘提取等操作得到最终的边缘图像。实验结果表明,该算法提高了边缘定位的精度,对不同类型、不同强度的噪声均具有较好的抑制能力,适用于对实时性要求不高的图像处理。     

基于工作流网的游戏作弊检测系统建模

近年来,游戏产业发展迅速。游戏不再局限于娱乐消遣,并且已经发展成为一种职业。与此同时,作弊技术对游戏产业的发展危害巨大,提出一种基于工作流网的作弊检测模型,用工作流网对作弊行为进行建模,利用流程树将工作流网转变为流程树,进而进行模型的融合,融合后的模型可以有效地识别一些作弊行为。     

基于分数阶微分和Sobel算子的边缘检测新模型

现有的边缘检测算法对噪声敏感,检测到的图像边缘效果不够理想,得到的图像边缘有可能模糊不清。为了克服这些不足,以分数阶微分理论为基础,结合Sobel算子边缘检测方法,提出了一种基于分数阶微分和Sobel算子的边缘检测新模型。理论研究和实验结果表明,与现有方法相比较,该模型不仅能较好地提取图像边缘特征,而且对噪声具有一定的抑制作用;特别地,对于纹理细节较丰富的图像而言,该模型能够检测出更多的纹理细节信息,优于常用的整数阶微分方法,是一种有效的边缘检测方法。     

A combinatorial congestion estimation approach with generalized detours

Congestion estimation plays an important role in the physical layout of VLSI design. This paper presents a new probabilistic estimation model that improves the previous estimators by relaxing the constraint on detours in a route. The model is more general and realistic for it gives the flexibility for the wires to have wider usage area to bypass the congestion regions and blockages. Given a routing grid and a set of nets to be routed, the model predicts the routing density on each edge of the grid. The routing density provides direct congestion estimation. We compare our estimation results to the actual routing results. Experimental results show the effectiveness of our estimator.     

A New Correctness Criterion for Cyclic Proof Nets

We define proof nets for cyclic multiplicative linear logic as edge bi-coloured graphs. Our characterization is purely graph theoretical and works without further complication for proof nets with cuts, which are usually harder to handle in the non-commutative case. This also provides a new characterization of the proof nets for the Lambek calculus (with the empty sequence) which simply are a restriction on the formulas to be considered (which are asked to be intuitionistic).