通过在图像块上构建伪布尔多项式，我们介绍了一种确定性的边缘检测和图像分割方法，该方法基于计算提取图像块上的伪布尔多项式的度数，对图像中的斑点和边缘区域进行二分类。我们在包含基本形状的简单图像上测试了该方法的可行性，并将其应用于复杂的景观图像等复杂情况。该提议方法基于基于惩罚的伪布尔多项式的简化、多项式度数和等价性属性的利用。

Aug, 2023

介绍一种正式研究边缘检测中的微弱边缘问题的形式化方法，并引入了一些旨在检测嘈杂图像中微弱边缘的计算有效的多尺度边缘检测算法，其中包括针对直线和弯曲曲线的算法。这些算法可以有效地搜索大量的候选边缘，并展示了本文算法在模拟和挑战性实际图像的应用中的效用，并且最后基于这些方法开发了一种纤维检测和增强算法。

Jun, 2017

本文研究了图像分类或搜索领域中基于编码方法（如词袋或 Fisher 向量）的流水线。我们提出并评估了一些用于密集提取图像路径的替代选择，包括基于超像素、边缘和 Zernike 滤波器的方法，并在最近的图像检索和细分分类基准上进行了评估。结果表明，大多数情况下，常规的密集探测器被其他方法超越，在标准检索和细粒度基准上改进了现有技术水平。此外，我们表明，如果沿着边缘而不是在检测到的区域周围提取路径，则现有的斑点和超像素提取方法可以实现高精度。

Oct, 2014

该论文提出了一种基于 α- 分子构造的多尺度系统中方向敏感的分析函数的对称性特征检测方法，可以稳定地检测到边缘、脊和斑点等物体特征，并且在噪声存在的情况下依然能保持精度和稳健性。作者在论文中还阐明了分析函数的缩放和方向对应的系数如何用于精确刻画局部切线方向、宽度和高度等特征。在对干净和失真合成图像的大量数值实验中验证了该方法的准确性和鲁棒性，并将其与其他先进算法进行了比较。通过在数字视网膜图像中检测和表征血管特征以及在细胞培养基中自动计数细胞菌落的实验进一步证明了该方法的应用价值。

Jan, 2019

该研究论文主要研究了基于二元决策图的 Pseudo-Boolean 约束编码技术，提出了使用系数分解方法克服爆炸性增长问题，并给出了第一个多项式广义弧一致的 ROBDD 编码算法。

Jan, 2014

本文分析了 375 个生成的对抗补丁，并计算了其主成分，结果表明这些成分的线性组合可以成功地欺骗目标检测器。

Jun, 2023

通过分析低阶多项式的统计性能，我们得出了一个用户友好的下界，表示任何 D 次多项式可以达到的最佳均方误差。我们进一步研究了低阶多项式在重构估计问题的应用，提供了种植子矩阵和种植稠密子图问题的低阶最小均方误差紧致表征。

Aug, 2020

本文提出了一种新的多尺度方法来检测嘈杂图像中的曲线边缘，算法基于候选曲线，针对高噪声情况进行全局处理，实现了较快的运行时间，同时在各种具有挑战性的嘈杂图像上获得了可比较甚至更好的边缘检测质量。

May, 2015

本文提出了一种借助于本地图像块中的结构学习精确且高效的边缘检测器。基于随机决策森林的结构学习框架，本文的新方法将结构标签映射到离散空间上。利用该方法，在 BSDS500 分割数据集和 NYU 深度数据集上实现了最先进的边缘检测表现，同时达到了比许多竞争对手先进得多的实时性能，证明该方法具备通用性和实用性。

Jun, 2014

通过结合 PCA 和边缘检测构建图像空间，并使用 Euclidean 和 Mahalanobian 距离之间的关系从中提取出新特征 H，从而决定指纹图像是否适用于给定数据库；最终在接受者操作特性 (ROC) 曲线上选择合适的参数 H 阈值以满足误告警和漏报率要求。

Feb, 2015