1、“.....值图像的维欧氏距离变换作为图像处理的基础方法被广泛应用于计算机视觉领域，特别是骨架提取和边缘检测。文献针对传统基于距离变换的骨架提取算法不能保证骨架连通性的问题，。摘要目前，维欧氏距离变换已经成为图像处理与模式识别领域的重要方法。最初它只是应用于值图像的处理，但是经过近几年的发展，特别是布朗大学的对维欧氏距离变换进行了革命性的扩展并提出了线性计算复杂度的求解方法，维欧氏距离变换才真正被广泛应用于模式识别领二维欧氏距离变换的演变与应用论文原稿泛应用于图像处理计算机视觉和模式识别领域。摘要目前，维欧氏距离变换已经成为图像处理与模式识别领域的重要方法。最初它只是应用于值图像的处理，但是经过近几年的发展......”。

2、“.....维容易受到干扰的问题，首先对图像进行值距离变换，同时计算标记图，最后使用遗传算法将原有模型跟距离变换结果和标记图进行匹配，实验结果表明，该方法可以达到更好的边缘匹配度。文献为了达到快速检测人脸的目的，首先采用肤色信息对图像进行值化，然后采用距离变换对值图像进行处理，最后根据距离变换的算与车道线水平方向的距离，如下式所示由式可看出，该距离变换值对不连续车道具有很强的鲁棒性，且计算效率较高，该方法可为自动驾驶技术提供更高的行车安全保障。文献针对传统边缘轮廓提取方法和变换方法在边缘存在干扰的情况下不能准确确定图像中矩形目标轮廓的问题......”。

3、“.....特别是骨架提取和边缘检测。文献针对传统基于距离变换的骨架提取算法不能保证骨架连通性的问题，提出了种以距离变换为约束，以种子点为起点，逐点生长出骨架的算法，同时该算法很容易被扩展到维情况。该算法使用距离变换值最大变换的表达式被修改为式为文献提出的泛化欧氏距离变换的特殊形式，在文中，作者采用计算几何的方法对泛化欧氏距离变换进行计算，计算复杂度为，计算方法请参考下章节。采用并行运算技术也是解决欧氏距离变换运算时间长的种思路，文献采用分区域的思路将值图像的欧氏距离变换的工作并行化。最近，强维欧氏距离变换......”。

4、“.....也就是下包络在处的值。文献已经证明，维欧氏距离变换的计算复杂度在最差情况下为，因此计算式的计算复杂度最差为。而且该方法很容易扩展到任意维图像的欧氏距离变换。距离用计算几何的方法对泛化欧氏距离变换进行计算，计算复杂度为，计算方法请参考下章节。采用并行运算技术也是解决欧氏距离变换运算时间长的种思路，文献采用分区域的思路将值图像的欧氏距离变换的工作并行化。最近，强大的并行计算能力正在被人们所认知和发掘，特别是公司开发的拥区距离和棋盘距离。在文献中，作者采用下图所示的模板依次对值图像进行腐蚀操作以达到距离变换的目的。由此可见，该方法具有线性的计算复杂度。处理效果如图所示。般学术界认为......”。

5、“.....但是精度有限，而精确计算方法的精度高，但是计算复杂度也偏高。在二维欧氏距离变换的演变与应用论文原稿大的并行计算能力正在被人们所认知和发掘，特别是公司开发的拥有数以千计的运算核心，加以作为运算平台，使的运算效率比快几十倍。例如，文献采用了的芯片来计算值图像的球面距离变换。二维欧氏距离变换的演变与应用论文原稿。算复杂度偏低，但是精度有限，而精确计算方法的精度高，但是计算复杂度也偏高。在精确计算的方法中，布朗大学的作出了革命性的贡献，提出了种在线性计算复杂度内精确计算欧氏距离变换的方法，并将值图像的欧氏距离变换泛化为多值图像的欧氏距离变换。在文献中，距离实验结果表明该方法相比上述传统方法对图像干扰具有更强的鲁棒性......”。

6、“.....文献针对传统基于距离变换的边缘匹配方法容易受到干扰的问题，首先对图像进行值距离变换，同时计算标记图，最后使用遗传算法将原有模型跟距离变换结果和标记图进行匹配，实验结果表明，该方法可以达到更好的边缘匹配度使用整数来代替欧氏距离变换的浮点数，降低了计算复杂度，同时它的精度高于城市街区距离和棋盘距离。在文献中，作者采用下图所示的模板依次对值图像进行腐蚀操作以达到距离变换的目的。由此可见，该方法具有线性的计算复杂度。处理效果如图所示。般学术界认为，基于模板的近似计算方法的计有数以千计的运算核心，加以作为运算平台，使的运算效率比快几十倍。例如，文献采用了的芯片来计算值图像的球面距离变换。由于第项与无关，因此式可以变为因此......”。

7、“.....然后以第步的计算结果为输入，对每行数据作精确计算的方法中，布朗大学的作出了革命性的贡献，提出了种在线性计算复杂度内精确计算欧氏距离变换的方法，并将值图像的欧氏距离变换泛化为多值图像的欧氏距离变换。在文献中，距离变换的表达式被修改为式为文献提出的泛化欧氏距离变换的特殊形式，在文中，作者采。文献为了达到快速检测人脸的目的，首先采用肤色信息对图像进行值化，然后采用距离变换对值图像进行处理，最后根据距离变换的极大值确定人脸的位置和尺寸。二维欧氏距离变换的演变与应用论文原稿。距离使用整数来代替欧氏距离变换的浮点数，降低了计算复杂度......”。

8、“.....首先采用边缘检测算子处理图像，对结果图像进行维欧氏距离变换，然后采用层次聚类法使用欧氏距离对像素进行聚类确定矩形位置，最后采用矩形的几何特征对矩形轮廓进行精确定位。提出了种以距离变换为约束，以种子点为起点，逐点生长出骨架的算法，同时该算法很容易被扩展到维情况。该算法使用距离变换值最大的像素作为种子点，然后选择距离变换值下降最缓慢的点逐点生长，保证了骨架的连通性和准确性，但是该方法所选择的距离变换算法的计算复杂度偏高，从而导致算法的效率偏低。文域。本文就维欧氏距离变换的个演进阶段进行总结归纳，并给出各个阶段的相应的求解方法与应用分析......”。

9、“.....进步拓展它的应用领域。关键词维欧氏距离变换特征提取目标检测计算几何中图分类号文献标识码文章编号距離变换的概念在年被首先提出，它是计算并标欧氏距离变换才真正被广泛应用于模式识别领域。本文就维欧氏距离变换的个演进阶段进行总结归纳，并给出各个阶段的相应的求解方法与应用分析，以期提供维欧氏距离变换的扩展思路，进步拓展它的应用领域。在下面的内容中，我们将以维欧氏距离变换的发展为线索，同时结合它在每个阶段的运算方法和应用来讨论极大值确定人脸的位置和尺寸。二维欧氏距离变换的演变与应用论文原稿。关键词维欧氏距离变换特征提取目标检测计算几何中图分类号文献标识码文章编号距離变换的概念在年被首先提出......”。