【摘 要】
：
边缘检测可以保留二维图像的重要特征,降低二维图像的信息量,从而应用于行人检测和无人驾驶等领域。现有的边缘检测方法往往会有一些共同的缺点:边缘不连续、弱边缘、易受噪声影响、梯度阈值设置困难等。动态阈值神经P系统（简称DTNP系统）是一种分布式并行计算模型,它拥有局部区域神经元的协同点火与动态阈值机制。通过对原始彩色图像进行颜色空间转换和多尺度处理,计算出边缘特征,将这些信息输入构造好的DTNP边缘检
论文部分内容阅读
边缘检测可以保留二维图像的重要特征,降低二维图像的信息量,从而应用于行人检测和无人驾驶等领域。现有的边缘检测方法往往会有一些共同的缺点:边缘不连续、弱边缘、易受噪声影响、梯度阈值设置困难等。动态阈值神经P系统（简称DTNP系统）是一种分布式并行计算模型,它拥有局部区域神经元的协同点火与动态阈值机制。通过对原始彩色图像进行颜色空间转换和多尺度处理,计算出边缘特征,将这些信息输入构造好的DTNP边缘检测器。并且结合DTNP模型的侧抑制和方向协同点火,对预测为边缘的区域进行增强,得到边缘概率分布图。本论文主要贡献如下:（1）受梯度幅值和梯度方向的启发,提出了一种DTNP系统的变体,即具有方向性的动态阈值神经P系统,简称为ODTNP系统。梯度方向被整合到神经元的局部权重中,梯度幅值被导入作为神经元的状态。基于ODTNP的边缘检测器有几个优点:神经元之间可以协同点火;动态阈值可以克服确定梯度阈值的困难;定向能量传递控制可以促进边缘的连续性。基于ODTNP系统的边缘检测模型在一定程度上可以解决边缘不连续和弱边缘的问题。在公开的Berkeley基准数据集（BSDS500）上的实验结果,验证了所提出的ODTNP边缘检测模型在边缘连续性、定位准确性和噪声的抑制效果上的优势。（2）通过动态调整DTNP系统的权重,结合纹理特征和灰度特征,提出了一种动态多尺度方向权重DTNP边缘检测系统,简称为DMOW-DNTP系统。一个神经元点火将增加该神经元的邻域范围所有神经元的边缘强度值,一定程度上可以增强边缘的连续性。使用LBP算子得到纹理特征,计算纹理梯度,并将作为DMOW-DNTP系统的一个输入。图像的颜色空间转换、双边滤波和非极大值抑制操作也将应用于DMOW-DNTP边缘检测模型。在BSDS500数据集和NYU Depth dataset（v2）上的实验结果对比表明了DMOW-DNTP在BSDS500和RGB-D上具有边缘连续、定位准确和可以检测纹理边缘等方面的优势。
其他文献
阿尔茨海默症（Alzheimer’s disease,AD）是一种常见的神经系统疾病,多发于60周岁以上的老年群体。其临床表现为记忆力、理解力和执行功能等多种认知功能障碍。目前没有针对此病症的特效药物,无法治愈阿尔茨海默症,全球约有75%的痴呆症患者在早期没有得到诊断,对AD进行早期诊断并提前进行预防或控制病情加重尤为重要。随着我国逐渐步入老龄化社会,对AD患者的早期预防和减缓病情加重刻不容缓。运
社区检测是复杂网络的一个研究热点,主要用于揭示网络聚集行为,在蛋白质结构分析、交通中枢规划、网络舆情监测、推荐算法设计等领域均具有重要的应用价值。随着网络中节点属性与连边关系不断朝多元化方向发展,网络社区结构的重叠率越来越高。如何稳定准确地检测复杂网络中的重叠社区,挖掘多元社会的深层组织结构,成为复杂网络研究的一个新挑战。重叠社区检测的主要内容是从网络中发现同时隶属于多个社区的重叠节点。本文以基于
随着时代的进步和中国的发展,智库在国家治理、科学决策中的地位作用愈发凸显,中国特色新型智库建设成为一项重大而紧迫的任务。智库建设发展走了上快车道,信息技术辅助智库建设发展也被提上了日程。现有系统文本查询算法在语义信息挖掘不足,传统软件架构应对大规模矢量数据的处理能力也不足,制约了已有智库成果的运用。为解决上述问题,本文主要开展了以下工作:（1）智库领域文本语义相似度计算研究。对智库文本相似度计算的
行为识别是计算机视觉研究领域中一个热点。其本质是通过设计的算法对视频样本进行训练和学习,以达到对不同动作进行分类的目的。在早期的研究阶段,行为识别主要依靠手工设计特征来提取动作信息。目前,深度学习方法在行为识别研究中取得了广泛的关注和长足的进步。基于深度学习的行为识别方法可以粗略分为两类。一类通过人体骨架序列来进行建模,时空图卷积网络（Spatial Temporal Graph Convolut
膜计算是自然启发的计算范式中一个活跃的分支,在膜计算框架中研究的所有计算模型都被命名为P系统。P系统是从生物细胞的功能和结构出发,从化学物质相互作用和跨膜的生物过程中被抽象出来。神经元是人体中最有趣的细胞类型之一,大量的神经元以合作的方式工作,能够执行复杂的任务。脉冲神经P系统是从神经元或脑细胞的行为中抽象出来的神经型膜计算系统。本文利用不同的生物机理与神经型P系统的特性相结合,提出了三种神经型P
作为智慧交通的基础,车联网正成为新时代下技术创新与产业变革的新蓝海,以“软件定义”、“智能网联”为特征的新汽车产业形态正在加速形成。通过车联网中的信息共享与信息处理,可以有效地缓解交通压力,提升社会交通服务的智能化水平。然而,由于车联网通信通常运行在开放网络环境中,车联网环境中的用户隐私和数据安全受到了极大的威胁。与此同时,汽车的高移动性也使得车联网通信的实时性和高效性面临着新的挑战。本文基于密钥
目前,远程医疗中的隐私保护问题是一个亟待解决的问题。在远程医疗系统中,使用属性基加密可以很好地解决数据隐私和身份隐私的问题。由于密文策略属性基加密使用户可以自主选择文件访问者的属性,实现更灵活的细粒度访问控制,因此,密文策略属性基加密更适用于远程医疗系统。但是,在远程医疗中使用密文策略属性基加密,通常存在以下两个问题:（1）属性基加密虽然保证了用户数据隐私,但是用户上传的大量医疗文件之间存在较强的
在线签名被广泛地应用于银行、政府、法律系统和移动商务的个人身份验证中,所以一个健壮的在线签名验证系统是十分重要的。目前,虽然在签名验证算法中有许多突破性的进展,但是依旧没有达到一个较好的验证精度。这是由于个体签名在不同时间点的随意性、差异性会造成同一人签名有极大的内类差异。并且如果有伪造者通过练习模仿,会使得伪造签名与真实签名难以区分。基于上述难题,本文使用深度学习方法提出了两种算法,通过提取具有
在远程预警和空间监视等领域,红外弱小目标检测和跟踪一直是一项重要任务。由于红外系统的成像距离较远,与红外图像背景相比,真实目标只占极其小的一部分,可使用的纹理、颜色、形状特征十分匮乏。同时,天气、成像系统等因素造成的噪声也在不同程度上影响红外弱小目标的能量强度和分布。现有的红外弱小目标检测算法在面临复杂背景时鲁棒性较差,存在漏检多、虚警高的情况。注意到红外图像的背景环境具有丰富特征的特点,围绕卷积
近年来随着以比特币为代表的加密货币受到国际国内的广泛关注,使得其底层区块链技术得到了持续的创新发展与应用。区块链技术作为一种全新的分布式基础架构与计算范式,能够在缺乏第三方信任的机制下实现多方共识,不仅为数据隐私保护和安全传输提供了全新的技术支持,同时还提高了价值交互的效率并降低了成本。共识算法作为区块链的核心技术之一,具有维护区块链系统稳定运行和节点相互信任的重要作用,保障了区块链数据的可验性和