2) Boundary enhancement
边界增强
1.
Based on the analysis of boundary enhancement approaches in volume illustration,improved method with changing enhancement parameters is proposed,namely distance weight boundary enhancement.
本文在分析了volume illustration技术中的边界增强基础上,提出了基于变化增强量机制的改进算法,即加入距离因子的边界增强,这种方法会进一步增加体绘制的灵活性。
3) edge enhancement
边缘增强
1.
Image denoising based on adaptive soft-threshold and edge enhancement;
基于自适应软阈值和边缘增强的图像去噪
2.
Spectral preservation image fusion algorithm based on edge enhancement
基于边缘增强算子的光谱保持型图像融合算法
3.
During the edge enhancement phase,the Hopfield neural network is introduced to make up for missed edges and clear out false edges step by step via computing the energy function iteratively f.
提出一种新颖的图像边缘检测算法,包括边缘检测和边缘增强两个阶段。
4) non steady line
非坚强边
5) strong edge coloring
强边染色
1.
The list strong edge coloring of graphs with Δ(G)=3;
Δ(G)=3的图的列表强边染色
2.
The strong edge coloring of graphs with Δ(G)=4;
Δ(G)=4的图的强边染色
补充资料：Martin边界(Марков过程论中的)
Martin边界(Марков过程论中的)
artin boundary in the theory of Markov processes
加加找加边界(Map劝.过程论中的)【扮肠到血.旅.b乃尸勿血d此.叹ofM自rkov Processes;MaP布“a印aIIH”aB Te0P“MaP劝BcICHx nPO期ecc0BI MaP翔B过程(Ma。刀v Proo改舀)的状态空间或其在某一紧空间中的映象的边界，它是用类似于Martin概形(见【1」)构造的. Martin构造的概率解释首先由J .L .L助。b(见L41)提出，他讨论了离散MaPKoB链的情形. 设P(t，x，B)是在一可分、局部紧空间E上给定的齐次腼pKOB过程X=(x:，C，Fr，p二)的转移函数(仇‘朋ition function)，其中t)0，x‘E，B任分，而男是E中的B心化1集族.对“)O，x‘E，y日E定义的，且对固定的，为(分火少)可测的函数g。(x，y))O称为G】优r函数(G获先n士加ction)，如果对每一B任少， 口二 丁g·(x，，)。(d，)三丁。一‘p(。，x，。)、:， B0其中m是妙上的测度，为了避免G就n函数定义中的多义性，还可以再要求对任意具有紧支撑的连续函数f(x)，函数 g，‘，，一丁，(x)。二(x，一m(、x) E是A连续的(意指存在一个关于t左连续的函数F(t，田)，使得 p，{F(t，·)笋久(x，(·川三o，x“E，r>o).固定一个，中的测度下，假定Gn笼n函数存在，定义Mart运核(Martin kernel)为 。:，、_g。(x，y) r‘劝二一. q气y)其中 。(，)一丁。二(x，，):(、x) E(此处必须引人某些限制以保证q(力的正性和A连续性).如果下是集中在某点的单位测度，而X是在某个区域的首出时中断的Wi。省过程(W记几汀详以刀昭)，则衅(x)的定义归结为文献[IJ中类似的形式.在宽广的条件下，存在一个紧集才(“Martin紧统”)，一个在，上的测度嵘(dx)(x)0，y‘司及一个映射i:E一才，创门满足条件:a)i(E)在才中稠;b)当f遍历E中具紧支撑的连续函数时，函数 鳄(f)一了f(:)叼(‘二)分离才中的点且在才上连续;c)若y〔E，则测度鲜，，(dx)与测度鳄(x)m(dx)相同·此时，集合i(E)在才中的边界称为M田石n边界(Mart访加训山叼)或流出边界(exjt一boUnda仃)(在研究过分测度的分解时，又出现了对偶边界，即流人边界.见【3]，f4」). 为了描述才的性质，引入在Doob意义下的h过程是方便的:对每个过分函数(~i记丘川山。n)h，联系一个(尸，‘罗“)上的转移函数 ，人(。，x，。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条