山 东 大 学 硕 士 学 位 论 文：图像边缘检测算法的研究本 文 分 为 七 个 部 分 。第一部分首先阐述了课题的研究背景、意义以 及该领域的发展现状；第二部分介绍了几种经典的边缘检测方法，给出 了这些方法的图像边缘检测结果，并且进行了相关的分析比较；第三部 分阐述了BP 神经网络的结构以及数学模型等相关知识；第四部分具体 介绍了一种新的基于统计向量和BP 神经网络的边缘检测方法；第五部 分介绍了一种有效的边缘细化算法，它可以对新方法得到的图像边缘进 一步处理以达到

本书从图形学最基础的光栅扫描、区域填充、画直线和圆弧等算法讲起，详细介绍了线裁剪和面裁剪、凸区域裁剪和凹区域裁剪的异同，景物空间消隐算法和图像空间消隐算法的差别，具体讲述了二叉空间剖分(BSP)、八叉树等图形学中常用的数据结构。新版本增加了图形用户界面、椭圆、图像压缩和线条反走样算法等，还增加了Liang-Barsky裁剪算法和Nicholl-Lee-Nicholl裁剪算法。新版本大大扩充了可见面光线跟踪算法。在绘制这一章中新增了基于物理的光照明模型，透明效果，阴影生成，纹理映射，以及锥光束、平

视频图像的人群密度检测，多种人群密度场景下人群计数算法： 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ，参考图像 算法流程：1)对训练样本图像进行分块处理(算法1.1)； 2)通过算法1.2，计算训练样本各个对应分块的ALBP特征归一化，再用K-means算法(可使用opencv等算法库实现，不再描述其算法)，将图像块分成k(k<K)类，获取k(k<K)个聚类中心，即为参考图像； 3)对分块的图像进行与

针对电气设备同一场景的红外与可见光图像间一致特征难以提取和匹配的问题，提出了一种基于斜率一致性的配准方法。首先通过数学形态学方法分别提取红外与可见光图像的边缘，得到粗边缘图像；然后通过SURF算法提取两幅边缘图像的特征点，根据正确的匹配点对之间斜率一致性的先验知识，进行特征点匹配；最后通过最小二乘法求得仿射变换模型参数并实现两幅图像的配准。实验结果表明，该方法有效提高了匹配点对的正确率，能够对电气设备红外和可见光图像实现高精度的配准。(In this paper, a method based