关于图像方向性边缘检测算法的研究

该文基于模糊分类和像素方向性提出对图像边缘进行二次确定,同时参数控制去噪及锐化真正边缘。该算法计算量小,边缘明显变细,噪声和伪边缘减少,对边缘细微图像检测效果理想。

基于HAAR小波域边缘方向特征的SAR图像去噪

提出一种新的基于小波变换的SAR(Synthetic Aperture Radar)相干斑去噪方法。利用二级小波分解得到的小波系数子带HL、LH和HH,判断对应点边缘方向性的强弱,并通过设定值确定该点是否位于边缘,在最大限度保护图像边缘信息和纹理信息不被破坏的同时,有效去除了图像噪声,并且计算简单、高效。通过仿真实验,从平滑指数和边缘保持指数这两个评价指标来看,所提出方法的实验结果比现有的其他方法更好一些。

基于计算机视觉的自主导航机器人门检测算法

研究了自主导航机器人中如何有效提高室内房门检测定位的问题。针对导航中非视觉传感器通过探测距离来判断门的位置,而关闭状态的门和周边的墙几乎处于同一平面无法定位,导致检测不准。可根据室内房门的形状特点,提出了一种计算机视觉的自主导航机器人门检测算法,能在单目视觉下进行图像采集,并根据房门的高度、宽度比以及门的形状特征,进而实现图像中门的检测。由于在检测门特征过程中使用了改进了的直线检测算法,因此具有检测速度快、效率高的特点。实验结果表明,与传统非视觉距离探测方法相比,改进方案不仅适用于单一背景下开状态的门检测,更对关闭状态门的检测具有有效性,完成导航平均处理时间约为2.2s,速度较高,对于家庭智能服务机器人的自主导航具有很大的应用价值。

一种多特征融合的图像检索新方法

如何提高基于内容的图像检索的准确率是图像检索领域中的一大难题,其关键在于特征提取方法。针对单一特征检索效果的不足,从图像的多特征入手,先使用颜色和边缘的方向性描述符提取图像的颜色和纹理特征,再使用分层梯度方向直方图提取图像的形状特征,最后采用图像底层特征串行关联的方法将3种特征结合进行检索。使用Corel标准图像集进行测试,结果表明本文方法的查准率和AvgP值比两种原算法均有提高,是一种有效的多特征融合的图像检索方法。

Patterning Nanoroads and Quantum Dots on Fluorinated Graphene

Using ab initio methods we have investigated the fluorination of graphene and find that different stoichiometric phases can be formed without a nucleation barrier, with the complete ＂2D-Teflon＂ CF phase being thermody- namically most stable. The fluorinated graphene is an insulator and turns out to be a perfect matrix-host for patterning nanoroads and quantum dots of pristine graphene. The electronic and magnetic properties of the nanoroads can be tuned by varying the edge orientation and width. The energy gaps between the highest occupied and lowest unoccupied molecular orbitals （HOMO-LUMO） of quantum dots are size-dependent and show a confinement typical of Dirac fermions. Furthermore, we study the effect of different basic coverage of F on graphene （with stoichiometries CF and C4F） on the band gaps, and show the suitability of these materials to host quantum dots of graphene with unique electronic properties.