基于重叠矩形图像表示方法的贝塞尔-傅里叶矩快速计算

贝塞尔-傅里叶矩作为一种图像特征在计算机视觉、图像处理等领域得到了广泛的应用。提出一种基于重叠矩形图像表示方法的贝塞尔-傅里叶矩快速算法。该算法利用重叠矩形图像表示方法,将灰度图像的贝塞尔-傅立叶矩的计算转化为对一系列仅包含单个矩形区域的二值图像的贝塞尔-傅立叶矩的和,使得最耗时间的积分运算与具体图像无关,从而可以利用查表法提前完成大量的运算,提高算法的执行效率。实验结果表示,新算法比贝塞尔-傅里叶直接生成算法在速度上有较明显的提高。

矩形件和任意多边形排样问题的算法及应用

探讨了矩形件和任意形状图案的排样优化问题的遗传算法求解 ,提出了剩余矩形表示法和条形图表示法。对于矩形排样 ,剩余矩形表示法提高了板材利用率 ,更容易得到较优解。对于任意形状图案排样 ,条形图表示法直接利用位图排样 ,不对图案作任何限制 (允许有孔洞 ) ,排样速度很快。该算法已应用于智能印花分色系统中。

一种基于可重叠RNAM的灰度图像表示算法

借助于二值图像的可重叠矩形区域编码的思想,通过使用可重叠矩形非对称逆布局的模式表示模型(RNAM)和扩展的Gouraud阴影法,给出了可重叠同类块逆布局的4个准则,提出了一种基于可重叠RNAM的灰度图像表示算法,简称为ORNAMC表示算法.在ORNAMC表示算法中,通过使用3个用于标识顶点类型的水平矩阵H、垂直矩阵V和单点矩阵I代替混合矩阵R,解决了灰度图像的可重叠RNAM表示中矩阵R的不可解码性问题;同时,通过将顶点类型及码字进行重新定义,提出了一种对矩阵H,V和I中所有非零元素坐标进行编码的坐标数据压缩算法.以图像处理领域里惯用的标准灰度图像等作为典型测试对象,实验结果表明,与已提出的非重叠RNAMC和流行的STC,SDCT等灰度图像表示方法相比,在保持图像质量的前提下,ORNAMC表示方法具有更高的压缩比和更少的块数,因而是灰度图像表示的一种更好的方法.

广义高斯Fibonacci和Lucas多项式及其恒等式

本文给出了广义高斯斐波那契多项式和广义高斯卢卡斯多项式的定义。我们研究了它们的一些的性质,通过它们的递推关系和性质及矩阵表示,我们也得到了它们之间的一些恒等式。此外,我们还证明了相应的卡西尼恒等式。

MRR:基于MBR的空间关系模型

一些空间数据模型依赖于空间对象的近似表示,如广泛运用的最小边界矩形MBR,MBR的优点是关系存储和计算的有效性,但是MBR表示与它对应对象间的拓扑关系存在不一致性的矛盾。该文的MRR模型基于MBR,减少了MBR中不一致性。