欧氏变换群

以不动点为线索来研究欧氏变换群的所有有限子群,得出欧氏变换群有两种有限子群,即同构于模n剩余类群和同构于二面体群的结论。

基于边界跟踪的快速欧氏距离变换算法

提出了一种基于边界跟踪、剥离的快速二维欧氏距离变换算法.从目标区域的最外层边界开始,自外向内、逐层对目标区域进行边界跟踪、剥离,直至目标区域为空.每跟踪到一个边界像素点,即根据其邻域像素所传递的最短距离信息来计算与最近背景像素间的欧氏距离,并利用一个链表结构来完成对已经过距离变换的像素点的距离更新,以解决距离传递的路径可能改变的问题.实验结果表明,该算法能够得到准确的欧氏距离,并且算法时间不到3×3倒角近似欧氏距离变换算法的2倍,比基于桶排序的欧氏距离变换算法快几十至上千倍.

基于围线追踪的完全欧氏距离变换算法

本文以吴立德等1996年文中提出的基于边过程的围线追踪算法为出发点，设计并实现了一个在二值图像中进行完全欧氏距离变换的算法．算法首先求出二值图像的围线，然后沿围线从近向远扩展地计算欧氏距离．算法能够计算精确的欧氏距离．对算法的时间和空间需求进行了简要的分析，讨论了算法的一些有关性质，并给出了实现程序运行中得到的一些实验数据．结果表明算法在多数情况下能够运行快，占用内存少，有较好的自适应性，因此有较好的实际应用前景．

三维欧氏距离变换的一种新方法

常见的三维距离变换算法大都是对城市街区、棋盘等二维近似欧氏距离变换算法的三维扩展 ,得到的依然是近似欧氏距离 .提出一种新的三维欧氏距离变换算法 ,可以得到完全欧氏距离 ,时间复杂度为 O(n3 logn) .将该算法应用于三维医学 CT图像内部软组织的显示 ,取得了较好的效果 .

一种新的完全欧氏距离变换算法

论文提出了一种基于边界剥离的二维完全欧氏距离变换算法。该算法从物体目标的最外层边界开始,自外向内、逐层对物体目标区域进行边界跟踪、剥离。在跟踪过程中,根据当前边界像素点的已获得距离变换结果或为背景的邻域像素信息,计算其与最近背景像素间的欧氏距离,从而实现距离变换。和已有算法相比,文中算法具有简单快速、容易实现,得到的是完全欧氏距离的优点,在分离粘连物体的应用中,取得了良好分离效果。

三维带符号的欧氏距离变换及其应用

距离变换是图像处理中历史悠久的研究课题 .该文将二维带符号的欧氏距离变换推广到三维 ,对其进行了优化 ,分析了它的计算复杂度 ,并应用于解决计算机图形学中的两个重要问题 :第一 ,将图形对象的三角网格表示转换为它的距离场表示 .即首先将三角网格模型离散为体素表示 ,利用三维带符号的距离变换 ,将求空间一点到图形对象的最短距离的全局搜索过程 ,转化为求这一点到离它最近的特征体素所包含的图形对象部分的局部搜索过程 ;第二 ,利用类似的思想 ,求两张空间曲面之间的最短距离 .

基于围线扫描的快速完全欧氏距离变换算法

欧几里德距离变换(EDT)是为由黑白像素构成的二值图像中所有像素找到距离其最近的黑色像素,并计算它们之间的欧几里德距离,目前广泛地应用于图像分析和计算机视觉等领域。本文采用基于围线扫描的思想,提出了一个在二值图像中进行完全欧氏距离变换的算法。算法首先将二值图像中的像素进行分类,对那些本身既不是特征像素且其4-邻域内也没有特征像素的点作上标记,然后对这些标记的像素自内向外进行围线扫描,搜索与它最近的黑点并计算它们的欧氏距离。算法能够计算精确的欧氏距离。同时对算法的时间复杂度进行了简单的分析,并给出了程序实现中得到的一些实验数据,结果表明该算法运算速度快,时空需求在当前的硬件环境下令人满意,是一种有效的和有着巨大实际应用价值的距离变换算法。

三维完全欧氏距离变换的改进算法

三维欧氏距离变换是对由黑白像素构成的三维二值图像中所有像素找出其到最近黑色像素的欧氏距离。在对现有三维欧氏距离变换算法进行深入研究的基础上,充分利用二维欧氏距离变换的结果,进一步减少参与距离计算和比较的黑点个数,进而提出了三维完全欧氏距离变换的改进算法。整个算法的时间复杂度为O((n3log n)/φ(n))。并将该改进算法应用于海底污染源的扩散分析,取得了较好的效果。

欧氏距离变换光栅扫描算法的改进及扩展

提出了一种新的欧氏距离变换算法,该算法是对原有的欧氏距离变换算法中光栅扫描算法的一种改进.和光栅扫描算法一样,该算法以8邻域为模板,通过顺序和逆序两次扫描实现欧氏距离变换,不同的是该算法在信息传递的时候用了最近目标点的行列号,而不是与最近目标点行列号的差异,通过这些行列号不仅可以轻松实现欧氏距离变换,而且扩展后还可以用于加权欧氏距离变换、全形态图形加权Voronoi图的生成.通过实验证明该算法简单、快速、易于实现,且其精度可以通过邻域模板和栅格单元大小加以控制.

利用欧氏距离变换Snake模型分割脊椎CT图像

在计算机虚拟脊椎矫正系统中,为模拟钢钉打入椎骨后相关脊椎骨产生位移和旋转,需要建立患者脊柱的三维模型。由于脊椎结构复杂,空间位置相互交错,造成了在靠近上下椎骨连接区域的CT图像中既有当前椎骨的图像,还有相邻其它椎骨的部分骨组织图像的状态,用传统的分割方法很难从脊柱的CT序列图像中分割出单个的椎骨。在传统Snake模型算法基础上,通过引进一种新的能量表达方法,改善了传统算法对具有复杂凹形轮廓物体分割效果差的缺点,在脊椎CT图像分割中取得了良好的效果。

三维欧氏距离变换快速算法

为了提高三维距离变换在实际应用中的计算效率,提出一种三维快速距离变换算法.首先将三维图像降维为多张二维图像,为每张二维图像设置2个标记数组,并根据标记数组运用围线扫描方法依次计算出每一像素在二维图像上的距离变换;然后依据二维结果计算出所有像素在三维图像中的距离变换.实验结果表明,文中算法实现简单,比已有的边界剥离算法及基于Voronoi图的算法在时间和空间消耗上均有较大的提高,有更好的实用性.

一种顾及障碍物的欧氏距离变换方法

提出了一种顾及障碍物的欧氏距离变换方法。该方法基于栅格扫描方式进行距离变换,逐行逐列传播距离值,并在距离传播过程中进行可见性检测,从而使距离传递路径避开障碍物,得到一种反映实际通行距离的欧氏距离图像。该算法思路简单直接,不涉及任何复杂数据结构,具有线性时间复杂度。实验表明,该算法计算出的距离图像准确性高,优于ArcGIS基于距离累计的算法,适合于点、线、面3种形态的源和障碍物的欧氏距离变换。

基于欧氏距离变换的Snake模型用于卷缩轮信息提取

本文在深入分析现有的虹膜识别定位、特征提取和匹配识别方法基础上,提出了一种利用欧氏距离变换的Snake模型提取卷缩轮信息的方法,通过在凹陷轮廓内部设置若干吸引点,将吸引点和Snake上点的欧氏距离变换作为一个分量引入到Snake模型的能量函数中,迫使Snake快速的逼近凹陷轮廓,最终可得到卷缩轮轮廓。

二维欧氏距离变换的演变与应用

目前,二维欧氏距离变换已经成为图像处理与模式识别领域的重要方法。最初它只是应用于二值图像的处理,但是经过近几年的发展,特别是布朗大学的Pedro F.Felzenszwalb对二维欧氏距离变换进行了革命性的扩展并提出了线性计算复杂度的求解方法,二维欧氏距离变换才真正被广泛应用于模式识别领域。本文就二维欧氏距离变换的三个演进阶段进行总结归纳,并给出各个阶段的相应的求解方法与应用分析,以期提供二维欧氏距离变换的扩展思路,进一步拓展它的应用领域。

基于欧氏距离变换的肺部粘连肿瘤分割算法

以肺部CT图像为研究对象,针对肺部粘连肿瘤图片本身的特点,提出了一种基于边缘跟踪的二维欧氏距离变换算法。从目标区域的最外层边界开始,自外向内对目标区域进行边缘跟踪、腐蚀,直到肿瘤区粘连部分与肺部边界分离。算法能够计算精确的欧氏距离。通过实验分割出的肿瘤和放射科医生手工勾画的肿瘤轮廓对比,5幅病例图像重叠率达到了75%左右,实验结果表明该方法对于中晚期肺部粘连肿瘤的分割有一定的效果。

基于欧氏距离变换的肺实质修补

在胸部CT图像的肺实质提取过程中,往往存在诸如过分割等问题,因此有必要对分割出的肺实质图像进行修补,论文提出了一种基于欧氏距离变换的肺实质修补算法。该算法是在初提取肺实质之后,利用欧氏距离变换将肺部边缘的血管和肺结节恢复,从而得到包含病灶区域在内的完整的肺实质。采用该算法对45个病人的胸部CT图像中缺失的肺实质进行了修补,结果显示该算法的正确率达90%以上,证明了该方法的可靠性和有效性。

基于自适应多重欧氏距离变换的分水岭粘连颗粒分割方法

颗粒形状以及颗粒粘连程度是影响粘连颗粒分割效果的主要因素,现有粘连颗粒分割方法主要存在两方面不足:一些方法只能应对某一特定形状颗粒的分割问题;大多数方法不能根据颗粒粘连程度自适应地调整分割算法,当粘连程度较大时容易出现欠分割。针对上述问题,该文提出了一种不限定颗粒形状的自适应粘连颗粒图像分割方法,该方法根据颗粒粘连程度对图像进行自适应多重欧氏距离变换,得出分水岭脊线对粘连颗粒图像进行分割。实验表明,本算法对不同形状、不同粘连程度的颗粒均具有较好的分割效果。

牛顿变换Julia集的对称性

主要讨论多项式的牛顿变换Julia集的对称性问题.利用复动力系统理论,证明了多项式P(z)的Julia集的对称群是其牛顿变换NP(z)的Julia集的对称群的子群.获得了Julia集为一水平直线的充分必要条件.

采用自相关和协方差函数在光照—欧氏变化条件下识别彩色纹理(英文)

采用完整的Zernike矩自相关函数集合提取彩色纹理的空间结构信息 .该函数集合生成基于自相关矩的矩阵 ,并在此基础上获得彩色纹理的光照不变因子 .对于不同的光照变化 ,所获矩阵间存在着线性变化关系 .6 0 0幅不同光照和旋转条件下的彩色纹理图像将先前提出的彩色协方差函数与循环和非循环自相关函数进行比较 。

一种新的基于小波变换的多聚焦图像融合算法

提出了一种基于小波变换的多聚焦图像融合算法(简记为WMFFA)。首先综合源图像求得参照图像,并对源图像和参照图像分别做小波变换,将其分解成低频和高频图像,然后求出源图像的每个小波系数与参照图像中对应位置上的小波系数之间的距离,按照距离特征从源图像中选取小波系数,组成融合后的小波系数并进行小波反变换,得到融合图像。对提出的融合算法性能进行了评价与分析,结果表明提出的算法对多聚焦图像融合是有效的。