电力线载波通信技术利用现有的电力传输网络进行数据传输，具有建设成本低，部署快速灵活等特点，被广泛用于局域网本地通信中。但当节点数过多或传输数据量过高时，如每个节点单独将数据传到调控中心，将会给整个通信系统带来巨大的数据量，同时降低通信效率，甚至造成通信拥塞。为降低传输数据量，节省通信传输资源，提升电力线载波接入网络的传输能力，本文提出了基于最小生成树传输路径的电力线载波通信数据融合算法。将所提算法与未使用融合算法带来的数据量进行对比，证明了所提算法的有效性。

尽管传统的立体匹配模型在精度和鲁棒性方面都表现出了良好的性能，但在弱纹理和深度不连续区域的视差精度问题依然存在。针对上述问题，提出了一种基于改进匹配代价和均值分割的最小生成树立体匹配算法。首先，在匹配代价计算阶段，通过Census变换进行初始匹配代价计算，利用Sobel算子对输入图像进行边缘信息提取，将提取后的图像边缘信息与Census变换后的匹配代价值进行融合，并将其与基于图像亮度信息的代价值进行非线性融合，以提高匹配代价的精度；然后，使用最小生成树代价聚合模型进行聚合操作并利用赢者通吃策略估计图像的初始视差；最后，在视差优化阶段，采用MeanShift算法对图像进行分割，结合图像的轮廓信息对误匹配点进行修正，进一步提高在弱纹理及边缘区域的视差精度。实验结果表明，与一些传统算法相比，所提算法具有更高的视差精度，且视差图的边缘、纹理较其他算法更为平滑，具有更强的鲁棒性。

为了解决传统非局部立体匹配算法在纹理丰富区域匹配误差较大的问题,提出基于颜色和边缘信息的非局部立体匹配算法。代价计算阶段,结合灰度和梯度信息求得匹配代价。代价聚合阶段,为降低相似背景下的误匹配率,利用最小生成树进行代价聚合,结合颜色和边缘信息重新定义权重函数。再利用胜者为王(WTA)策略求得最佳视差,通过左右一致性检验和中值滤波等后处理操作对视差图作精细化处理。最后在Middlebury数据平台上对算法进行可行性验证,实验结果表明,图像的平均误匹配率由原算法的6.02%降低到5.10%。

为了提高图像分割的质量, 采用图论最小割集算法进行了研究。首先将图像中的像素点映射为图论节点, 节点权值通过平衡因子与共享最近邻节点数的比率计算;然后基于最小化能量方程建立图像最小割集, 提取分割块内的灰度值作为块特征向量, 用最小生成树对图分割;接着用判定函数判断临近区域是合并或者分割;最后给出了算法流程。结果表明, 该算法可以分割出目标信息, 并且算法鲁棒性好、峰值内存小。

为了解决模糊且有粘连的细胞图像的难以分割问题, 本文针对医学细胞图像的特点, 应用图论的思想提出了一种图论与数学形态学结合的图像分割算法。该算法先对图像进行去噪和增强, 然后用改进的图论最小生成树 (MST) 算法对细胞图像进行初始分割。改进的主要内容是在算法中引入了细胞尺寸和形状的信息, 从而在一定程度上改善了图论算法过分割的缺陷。在进一步的图像分割中,为了解决二值图像中的细胞粘连问题, 结合数学形态学的骨架边界距离信息找出分裂线将粘连细胞分离。与常规的分水岭算法完全不同, 该算法没有重复性的运算。一系列细胞图像的试验表明, 该算法能够很好地分割模糊且有粘连的细胞图像, 其结果令人满意。

提出了一种模仿人类视觉机制的区域-细节的图像分割算法。首先提取图像边缘,然后将边缘分段切割,得到端点集合,然后从端点集合生成Delaunay三角形网络,以Delaunay三角形为顶点,相邻三角形的属性差异作为边的权重,构造图;以基于图的分割算法生成最小生成树,划分区域。最后用Snake模型精确确定区域边界,生成准确的区域边缘。实验证明,这种区域分割和边缘检测相结合的方法能准确地分割非纹理图像,较好地克服了块现象和非连续边界,相比单一区域分割或者边缘检测方法有更好的分割结果,并且计算速度比较快。