提出了通过匹配骨架树来度量物体相似度的新方法.该方法用一种新的物体特征-树描述符来表示一个骨架树,用搜索树描述符中最长公共子串的方法获得最大同构子树;用新的模型度量骨架枝的形状相似性,并把形状特征和拓扑特征的有机的结合起来.最后,对骨架有环和骨架上有噪声的情况进行了讨论.实验结果表明,本方法计算的相似度具有物体的旋转、大小、平移不变性,算法时间复杂度为o(n3),n为物体骨架枝数,对多种物体取得了令人满意的结果.

边缘检测已经成为图像理解和计算机视觉中的一个主要领域,其检测的质量直接影响后期理解的效果.寻找一种对噪声不敏感、定位精确、能有效区分真假边缘的方法,一直是研究的重点.从理论上来说,Canny算子是连续域最优的边缘检测算子,但在离散域中却并非最优,对于数字图像可能存在误差.为此,提出一套完整的离散域边缘检测算法.在最优滤波器理论基础上,推导出离散域的最优平滑算子,抑制了图像的分割错误、噪声和伪边缘的影响.实验表明,该算法能有效实现灰度图像的多尺度边缘检测,具有高的信噪比,更清楚和更符合计算机识别要求,是一个理想的边缘检测方法.

将骨架映射到一种骨架树结构中,树的层次和节点间的连接关系反映了骨架的拓扑特性;构造骨架树邻接矩阵并给出拓扑标记向量的定义,用拓扑标记向量之差的二范数作为两个骨架树匹配节点对的距离;将骨架的拓扑距离函数定义为骨架树的匹配距离,即建立最佳匹配关系的节点对距离之和.给出了一种用骨架树进行线性骨架拓扑相似性度量的算法,在计算复杂度和时间复杂度较低的情况下,对一般二维图形取得了较好的实验结果.

量子信道中不可避免存在的噪声将扭曲被传输的信息,对通信造成危害。目前克服量子信道噪声的较好方案是量子避错码(QEAC)。将量子避错码思想用于量子密钥分发,能有效克服信道中的噪声,且无需复杂的系统。用六光子构造了量子避错码,提出了一种基于六光子避错码的量子密钥分发(QDK)方案。以提高量子密钥分发的量子比特效率和安全性为前提,对六光子避错码的所有可能态进行组合,得到一种六光子避错码的最优组合方法,可将两比特信息编码在一个态中,根据测量结果和分组信息进行解码,得到正确信息的平均概率为7/16。与最近的基于四光子避错码的克服量子信道噪声的量子密钥分发方案相比,该方案的量子比特效率提高了16.67%,密钥分发安全性是它的3.5倍。

量子密码术要走向实用化,必须实现多用户间的量子密钥分配.首先介绍了基于EPR对的E91量子密钥分发方案.利用该协议,我们在现有量子密钥分发网方案的基础上提出了一种实现多用户网络下任意多个用户之间的密钥分发方案,并融合波分复用技术对级联式环型量子密钥分发网方案进行了改进.

传统的基于距离变换的骨架算法不能保证骨架的连通性,需要引入鞍点解决连通问题.该类算法复杂,且不够准确,同时鞍点的定义很难推广到三维,限制了传统算法的发展.本文提出一种新型骨架算法,在图形内根据距离变换的约束,由骨架种子点开始以单像素宽度逐点生长出各骨架分支,逐点生长保证了连通性.实验证明该算法的骨架生长过程是骨架由粗到精的演变过程,能够方便地实现骨架的多尺度控制.

提出了一种全局优化的多面体匹配方法,该方法对物体的拓扑关系和结构关系进行多级匹配.利用全局优化的松驰迭代方法减少匹配误差,并由匹配的一致性准则进行匹配结果的检测,根据物体的内在特征来进行匹配,从而解决非同构物体的匹配.可广泛应用于物体识别、三维物体重建、医学图象处理等领域,实验证明此方法质量好、自动化程度高,是一种有效的全局优化结构匹配方法.

提出了基于广义形态变换的由切片重建三维多面体的方法.该方法首先对多边形进行凸剖分,然后建立凸多边形的匹配,利用广义形态变换对中间形状进行插值,与其它方法相比,该方法可对不同拓扑结构(包括有孔和分岔的情况)的切片进行重建.实验结果表明,该方法重建效果好,不需人工干预,可自动实现,对孔和分岔出现的位置定位精度高,重建的多面体与原始物体误差较小,实用性强,可广泛用于生物医学工程.

从计算离散对称值出发,提出了一种自动定位人脸图像中眼睛的离散对称变换算法,通过邻域灰度均匀度算子对各点邻域的检测,去除处于规则区域的点,并用圆环邻域代替对称算子圆形邻域,大大降低了计算量,提高了对称的准确性.实验结果表明:在未进一步利用对称角度和人脸固有的几何比例关系的情况下,该算法能准确地对正面人脸图像中的眼睛进行定位.