一种区域边界的识别和区域标记算法与应用

本文介绍了一种区域边界的识别算法和一种区域标记的算法,前者在有若干区域的多条边界相交及存在边界公用的情况下,通过直线生成的方法能寻找出每一个最小区域的完整的区域边界;后者则能在识别出区域边界的基础上进行区域的标记,把区域分割出来,这两个算法已用于电脑刺绣编程系统的图象预处理系统,效果良好。文中并通过实例说明了这两个算法的特点。     

基于边界跟踪的区域面积计算

给出了一种基于边界跟踪的区域面积计算.根据图像边界跟踪时下一次和上一次跟踪方向,确定图像的左右边界.利用边界像素的横坐标进行加权求和计算,求得图像区域面积.与现有的面积计算方法相比,该算法只需跟踪边界一遍,即可获得区域面积,且算法不用借助链编码,具有速度快、计算量小、结果准确等优点.     

复杂多边形区域边界搜索算法的研究

首先分析了经典的区域填充算法的两个问题。在此基础上，借鉴种子填充算法的一些思想，提出了一种针对任意复杂多边形区域的搜索算法，该算法克服了传统算法的一些缺陷，可以满足实际编程需要。     

应用区域边界授权模型

应用区域边界安全系统是一个关防系统,它在使用过程中能否达到保护应用环境安全的目标是由其安全授权规则集的完备性和一致性及对其授权的简便性决定的。应用环境中的主体是通过各种不同的应用协议对客体进行访问的,它们在通过应用区域边界安全系统时,应用区域边界安全系统将根据安全授权规则集对其访问请求进行检验,若满足安全授权规则集要求,则允许通过,反之拒绝。因此,我们根据访问请求所涉及的主体、客体、协议、安全策略等部件,给出了应用区域边界授权的体系结构,同时在给出刻画它们特性的谓词基础上,提出了易于表达安全策略的应用区域边界形式化授权模型。对此形式化模型进行编译不仅可以根据安全策略对授权的合法性进行检验,而且也可以及时发现安全策略中存在的漏洞,从而可以得到一个正确的安全授权规则集。     

一种区域边界显示的快速算法

由于在交互式的图像处理中,影响系统性能的主要是时间而非存储空间。虽然作为描述区域边界的常用方法——链码,能有效降低存储空间,本文仍然用最简单和最直接的方法——横向和纵向线段组来描述图像区域边界。并在分析横向和纵向线段组的规律性的基础上,给出了一种由图像区域同时生成其横向和纵向线段组的快速算法。     

基于边界扫描的快速区域填充算法

提出一种基于边界扫描的区域填充新算法．该算法能对任意复杂的单连通区域进行快速填充,弥补了扫描线算法应用受限制的缺陷。并结合例子详细的讲解了算法原理,最后进一步分析出该算法找出所有正确匹配的区域左右边界点对的时间复杂度最优情况约为O（n）。     

RISC结构与并行处理

将VLSI技术与RISC结构结合能有效地开发内部并行性,RTSC结构与并行处理技术结合构成多处理机系统。结构简单方便,性能价格比高。     

一种改进的基于边界追踪的区域统计算法

区域个数统计在计算机图形和图像分析中有着很重要的应用.通过对传统的区域统计方法的研究,指出了它们的优点和不足,复现了这些算法,提出一种优化的基于边界追踪的区域统计算法.在对二值图像进行近似单次扫描之后,可以统计出图像中黑白区域个数,同时通过增加少量的代码可以获得黑色区域边界点序列.这些点对于图像的存储和复现有很重要的作用.     

并行处理的优化技术

本文给出一种并行体系结构的优化技术及其在一专有模拟代码上的应用。大多数Unix系统上的软件处工具都在这些技术中得到了综合利用。本文论述用以确定为并行性就得最大好处应于何分割应用程序的方法以及以确定应用程序的哪一部分已被并行化的方法，另外还提供了一种算法，该算法可用来预测增添附加处理机对计算时间的影响。     

并行处理的同步问题

本文介绍并行处理中的同步和进程关系、各种同步问题、同步机构和表现方法,还介绍了相互排斥问题、生产者消费者问题、理发师睡觉问题、读者作家问题、五个哲学家吃饭问题、抽烟者问题等。     

边界与区域相结合的目标提取算法

对于目标中带孔或目标颜色信息和背景颜色信息相似的图像,单独根据边界信息或区域信息无法提取出准确的目标.从图像的边界信息与区域信息综合考虑,以图割理论为基础,提出了一种基于图割的边界信息与区域信息相结合的目标提取算法.实验结果表明,该算法对目标中带孔或目标颜色信息和背景颜色信息相似的图像,能够准确、有效地提取出目标,自动分割精度高,用户工作量少,分割效率高,达到了预期的效果.     

面向并行处理的微处理器Transputer

本文在讨论了并行处理器 Transputer 的基本结构与组成并行系统的原理之后,介绍了有关器件及工业产品的目前生产水平,指出它对并行处理系统的开发与推广应用所起的重要作用,最后提出了在我国进行深入研究的建议。     

边界先验和自适应区域合并的显著性检测

为了对图像中的显著目标进行更精确的识别,提出了一种基于边界先验和自适应区域合并的显著性检测算法。采用超像素分割算法对图像进行过分割,把超像素看做图的一个顶点来进行构图;定位和消除错误边界,使背景基准集中存在很少的噪声,减小目标接触图像边界时造成的误检;采用单通道索引颜色直方图度量区域相似度并进行区域合并得到显著图。对比实验表明该算法相比其他算法取得了较高的查准率,说明了算法的有效性。