价是3围长为2的交换弱距离正则有向图

利用Cayley图和字典式积构造了一些新的弱距离正则有向图.进一步地,利用结合方案和商图的理论,对一类价为3围长是2的可交换的弱距离正则有向图的特征进行了刻画.

E_1 ^oE_d型距离正则图的关于余弦序列的不等式

给出了E1 Ed型距离正则图的关于余弦序列的不等式.

一种基于多特征的距离正则化水平集快速分割方法

现有的图像分割模型存在对初始化信息敏感,分割速率慢,图像弱边界区的泄露等现象.提出了一种混合快速分割方法.该方法利用偏压场近似估计图像的局部统计信息,并结合全局信息相容性及改进的距离正则化方法建立模型,最后将模型嵌入水平集框架中,与此同时,引入双重终止准则以提高分割的速度.最后利用合成图像和真实图像进行分割实验,并与CV(Chan-Vese)模型、非线性自适应水平集方法以及局部尺度拟合模型对比,表明本方法不仅对初始化信息敏感度降低,而且分割速度提高3~5倍.

基于位错理论的距离正则化水平集图像分割算法

把材料科学中的位错理论引入到水平集方法中.图像中水平集曲线的演化被看作刃位错中位错线的滑移过程,运用位错动力学机制推导出驱使水平集曲线演化的位错组态力.结合距离正则化水平集方法,把水平集方法的边缘检测函数替换为基于位错动力学理论的速度停止函数,并构建了新的距离正则化水平集函数演化方程.水平集曲线在位错组态力和速度停止函数的驱使下移动.位错组态力反映了单位长度曲线上的平均受力情况,不仅包括了图像梯度信息,也包括了位错组态力的作用范围等信息,因此可以有效地避免在局部图像梯度异常的情况下发生曲线停止演进的现象,或者避免在弱边缘处由于图像梯度较小发生局部边界泄漏的现象.实验结果表明,本文算法对弱边缘图像具有较好的分割效果.

改进的距离正则化水平集演化方法

为了有效地对数字图像中的目标物体进行分割,提出了一种结合人类视觉注意机制的距离正则化水平集演化的图像分割方法,首先,利用数据融合获得视觉注意机制的显著图,进而获得曲线演化的初始轮廓,解决了演化曲线对初始位置敏感及不能自适应地决定向内还是向外运动的问题;然后,利用自定义的图像边缘指示函数,通过优化函数的演化速度参数及噪声敏感度控制参数,加快了曲线演化速度;最后,利用距离正则化水平集演化至目标物体的边界,完成图像分割,仿真结果表明:该方法能够有效地检测单个及多个目标物体的边界,提高了边界定位精度,抗噪能力较强.

前向后向扩散的距离正则模型应用于图像分割

针对在演化过程中水平集函数振荡问题,提出前向后向扩散的距离正则模型应用于图像分割。新的距离正则项由一个势函数定义,推导的演化方程以唯一的方式前向后向扩散,即水平集函数在其陡峭区域前向扩散,降低函数的梯度模直至为1,反之它后向扩散,提高梯度模直至1。演化结果是水平集函数收敛于符号距离函数,这是水平集函数稳定演化所希望保持的状态;为了阐述距离正则项的有效性,将其与基于边缘信息的外能量项相结合。实验结果表明,该模型能够更好地完成图像分割,对噪声和弱目标图像鲁棒。

颜色恒常性的距离正则化水平集彩色图像分割

引入颜色恒常性原理用于区分自然彩色图像中的差分结构,并结合距离正则化水平集算法,对具高光和阴影的自然彩色图像进行分割。实验结果表明,该算法能够正确有效地分割出图像目标,而未引入颜色恒常性原理的水平集算法则得到错误的图像分割结果。

基于二维集合经验模式分解的距离正则化水平集磁共振图像分割

针对现有磁共振(MR)图像分割算法大多直接在原图像上进行处理,分割效果受噪声影响较大的问题,本文引入二维集合经验模式分解(BEEMD)算法,提高距离正则化水平集(DRLSE)方法对MR图像的分割精度.算法中首先使用BEEMD将待分割MR图像分解为多个二维固有模式函数(BIMF),通过对各BIMF赋予不同加权系数重构待分割图像,从而增强分割目标;然后在DRLSE的边界指示函数中添加部分BIMF分量,恢复因高斯平滑被模糊的目标轮廓,并使用DRLSE方法对重构图像进行分割.通过对仿真图像和临床MR图像分割验证,表明本文算法具有较高的分割精度和鲁棒性,能有效实现对临床MR图像的分割.

一类(α+1，3)型的距离正则图

设Γ是直径为d且型为（α＋1,3）的距离正则图,其中α≥2.用l（c,a,b）表示交叉阵列l（Γ）中列（c,a,b）^t的个数,记r=r（Γ）=l（c1,a1,b1）,s=s（Γ）=l（c（r＋1）,a（r＋1）,b（r＋1））.那末,若c（r＋1）=3且a（r＋1）=3a,则d=r＋s＋1,cd=4且Γ为正则拟2d边形.

距离正则图的推广（英文）

本文研究了直径为d(Γ)≥2的距离正则图Γ的补图.利用Γ的交叉数分别证明了当d=2时,Γ的补图式强正则;当d≥3时,Γ的补图是广义强正则.将文献[2]中的距离正则图Grassmann图、对偶极图、Hamming图推广到它们的补图,从而得到广义强正则图.

基于改进距离正则化水平集的钢轨表面缺陷提取方法

针对现有钢轨表面缺陷检测方法复杂度过高且精确率较低,提出基于Sigmoid对比度拉伸的距离正则化水平集算法。通过对数变换和均值操作对钢轨图像进行预处理;根据钢轨表面图像梯度变化,以Sigmoid对比度拉伸方法替换距离正则化水平集中的停止函数;根据初始轮廓曲线演化方向的特点,通过新的自适应速度函数替换距离正则化水平集中的演化速度常量;以曲线演化的最终轮廓提取缺陷区域。仿真实验显示,新算法在钢轨表面缺陷数据集中的精确率为99.07%,豪斯多夫距离平均值为6.64,检测缺陷用时为16.46s。与DRLSE、DCNNs和CTFM算法相比,改进的距离正则化水平集算法提升了检测的精确率和检测速度,对噪声具有一定的鲁棒性并适用小范围缺陷检测。

E_1 o E_d型距离正则图及Q-多项式的性质

设Γ是一个直径d≥3的非二部距离正则图,其特征值θ_0>θ_1>…>θ_d.设θ_(1′)∈{θ_1,θ_d),θ_(d′)是θ_(1′)在{θ_1,θ_d}中的余.又设Γ是具有性质E_1 o E_d=|X|^(-1)(q_(1d)^(d-1)E_(d-1)+q_(1d)~dE_d)的E_1 o E_d型距离正则图,σ_0,σ_1,…,σ_d,ρ_0,ρ_1,…,ρ_d和β_0,β_1,…,β_d分别是关于θ_(1′),θ_(d′)和θ_(d-1)的余弦序列.利用上述余弦序列,给出了Γ关于θ_1或θ_d是Q-多项式的充要条件.

高是2的距离正则图

利用交叉表研究了直径d≥3和高是2的距离正则图,并得到了这类图的一些新性质.

具有性质c_(r+1)=1的(a+1,3)型距离正则图

设Γ是直径为d且型为(a+1,3)的距离正则图,其中a>2.若cr+1=1,则cr+2≠1,2,3并且br+1≠1.

d-界距离正则图中一类格的特征多项式

设Γ是一个直径d≥3的d界距离正则图,x∈V(Γ),P(x)是Γ中包含x的所有强闭包子图的集合,并且P(x,i)是P(x)中所有直径为i的强闭包子图的集合.设L(x,i)是P(x,i)中元素的交生成的集合.按反包含关系规定L(x,i)的偏序,L(x,i)记为LR(x,i).利用Mbius反演公式计算了LR(x,i)上的特征多项式χ(PR(x),t).

弱距离正则有向图的构作

设Γ是围长g≠2的强连通有向图,Cr*是长为r的无向圈.构作了从Γ到Cr*的字典式积图Γ′=Γ[Cr*],给出了Γ′=Γ[Cr*]是弱距离正则有向图的充要条件.

距离正则图相关联的两类认证码

利用了序为(s,t)的距离正则图和直径为d的对极的距离正则图构造了2类Cartesian认证码,并且计算了它们的参数及模仿攻击成功的概率PI和替换攻击成功的概率PS。

高是1和3的距离正则图

利用交叉表研究了直径d≥3和高h=1,3的距离正则图,得到了这类图的关于交叉数的一些新性质.

距离正则图相关联的格Ⅰ

设L分别是由序对(s,t)的距离正则图的团、Johnson图的d-团和直径为d的对极距离正则图的d-团组成的有限集.如果按反包含关系规定L偏序,得到了三类有限格.该文讨论了它们的原子性,并且计算了它们的特征多项式.

参数为a_(r+2)=4的距离正则图

利用距离正则图的交叉表及性质对k=10,a1=1的距离正则图的参数进行了讨论,可对其得到的结论进行分类。