1) feature texture
特征纹理
1.
By the framework,the basic shape and feature vectors are used to decompose textons shape,while the feature textures are employed to encode the distribution of textons.
针对纹理合成中基本的MRF类模型在大尺度结构表达上的缺陷,提出了在纹理模式空间和素材空间内对纹元及其分布的新的描述框架:使用纹元基本形和特征向量表示纹元,使用特征纹理表示纹元分布状况。
2) texture character
纹理特征
1.
Methods Medical images were segmented using image segmentation method based on texture character and generalized radial basis function neural networks.
方法:采用基于纹理特征和广义径向基函数(Generalized Radial Basis Function,GRBF)神经网络的图像分割方法对医学图像进行分割,根据灰度共生矩阵获得纹理特征参数,形成广义径向基函数神经网络的输入矢量,对网络进行训练和仿真测试。
2.
The debased dimension to the vector of the texture characters is used by PCA.
利用小波分析来获得地震剖面图像的纹理特征,运用分块主成分分析(PCA)对纹理特征向量进行降维处理,通过模糊k均值对特征向量矩阵进行分类,达到对地震剖面图像分割的效果。
3.
In this paper we have summarized the latest research achievement with earnest inland and overseas,on the basis of which we bring forward a new arithmetic that is based on the texture character and projection,firstly,t
本文通过认真研究总结目前国内外的最新研究成果,针对目前的研究现状提出了基于纹理特征和投影相结合的车牌定位算法,该算法首先利用车牌的纹理特征,依据统计跳变点的次数来对车牌进行粗定位,然后利用其垂直投影,借助投影变化率来实现车牌的精定位。
3) texture features
纹理特征
1.
Probe of texture features in city land use information extraction;
利用纹理特征提取城市用地信息方法探索
2.
Study of watermarking algorithms based on wavelet transform and texture features;
基于小波变换和纹理特征的水印算法的研究
3.
Methods to Extract Images Texture Features;
图像纹理特征的提取方法
4) texture feature
纹理特征
1.
Remote sensing image classification based on SVM algorithm and texture feature extraction;
基于SVM算法和纹理特征提取的遥感图像分类
2.
Identification algorithm for red corpuscles of blood based on texture feature and kernel-Fisher;
基于纹理特征和核Fisher的红细胞识别算法
3.
Tree crown extraction combining color and texture feature;
结合颜色和纹理特征的树冠提取方法
5) texture characteristic
纹理特征
1.
Tool condition monitoring technology based on texture characteristic
基于纹理特征的刀具状态监测技术
2.
Extracting of soil salinization by SVM and accuracy evaluation based on texture characteristic
基于不同窗口纹理特征的SVM土壤盐渍化信息提取方法与精度分析研究
3.
The degree of membership is computed according to the results of clustering analysis and used as the weight of the texture characteristic vector in a certain direction,and k dom.
针对该问题,引入统计方法和模糊理论,在每个方向对狭义图像域子集进行聚簇分析,根据分析结果确定隶属度,把隶属度作为该方向纹理特征向量的权重,并且根据隶属度确定k显著方向。
6) Textural feature
纹理特征
1.
<WP=3>The Study of the Differencing Change Detection Method Based on Textural Features;
基于纹理特征的差值变化检测方法研究
2.
Based on co-occurrence matrices and fractals,a new method of extracting textural feature of color marrow cell micrograph is proposed.
在对骨髓细胞纹理分析的基础上,提出了一种基于共生矩阵与分形理论的对彩色骨髓细胞图像进行纹理特征提取的方法,该方法通过构造一种新的表征纹理特征的量——共生矩阵分形联合特征量,更好地将红系细胞与粒系细胞区分开,并且对同一系别细胞的不同成熟阶段做出了更好的区分。
3.
The textural feature is used to roughly evaluate the presence of moving targets in a region.
提出基于纹理特征及统计学模型的背景提取方法来完成背景的稳健提取和实时更新。
补充资料：偏微分算子的特征值与特征函数
由边界固定的膜振动引出的拉普拉斯算子的特征值问题：是一个典型的偏微分算子的特征值问题,这里x=(x1,x2)；Ω是膜所占据的平面区域。使得问题有非平凡解（非零解）的参数λ的值,称为特征值；相应的解称为特征函数。当Ω有界且边界嬠Ω满足一定的正则条件时,存在可数无穷个特征值,相应的特征函数ψn(x)组成l2(Ω)上的完备正交系。乘以常因子来规范ψn(x)，使其l2(Ω)模为1,则Ω上的任意函数??(x)的特征展式可写为：当??可以"源形表达"，即??满足边界条件且Δ??平方可积时,展式在Ω一致收敛。当??平方可积时，展式平方平均收敛，且有帕舍伐尔公式：
对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。
将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）：
式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。
与此密切相关的是下面的MP公式：(t→+0)
取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。
特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积|Ω|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。
用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δxy当x=y时为1，当x≠y时为0。
上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A0(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。
对于奇异情形，例如薛定谔方程 的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。
在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式：
。
当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。
除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。
对膜振动问题的认识还是相当有限的。能够精确地知道特征值的，只限于矩形、圆盘等少数几种非常简单的区域。对椭圆和一般三角形的特征值精确值，还几乎毫无所知。其他情形就更谈不上了。
将不超过 λ的特征值的个数记为N(λ)。特征值的渐近分布由N(λ)对大 λ的渐近式来刻画。这方面最早的结果是（C.H.）H.外尔在1911年得到的（外尔公式）：
式中表示Ω的面积。R.库朗将余项改进为。对于多角形区域，又有人将余项改进到。各种情况下改进余项估计的工作至今绵延不绝。外尔猜测有一个更强的结果：式中｜嬠Ω｜是区域边界之长，但尚未被证出。
与此密切相关的是下面的MP公式：(t→+0)
取一个渐近项时，用陶伯型定理可由它推出N(λ)的外尔公式。第二渐近项与外尔猜想非常相象，但由此证不出外尔猜想。第三项迟至1966年才被M.卡茨导出，后来由H.P.麦基恩与I.M.辛格严格证明,其中h表示鼓膜Ω的洞数。
特征值与膜振动频率有一个直接的换算关系，M.卡茨据此给MP公式一个非常生动的解释：可以"听出"鼓膜的面积|Ω|、周长｜嬠Ω｜和洞的个数h！由于1-h恰巧是Ω的欧拉-庞加莱示性数,是整体几何中颇受重视的一个不变量，"听出鼓形"或"谱的几何"问题立即引起人们的强烈兴趣，并导致一系列重要的研究。不过一般的特征值反问题,要求从特征值的谱完全恢复Ω,还远远没有解决。
用陶伯型定理得出N(λ)渐近式的方法，由T.卡莱曼于1934年首创，他还得到谱函数的渐近式：(λ→∞)，式中δxy当x=y时为1，当x≠y时为0。
上述关于拉普拉斯算子的结果，由L.戈尔丁和F.E.布劳德推广到 Rn的有界区域Ω上的m 阶椭圆算子。尽管推算繁杂，但结果十分简单整齐：；；式中 v(x) 表示集合{ξ｜｜A0(x,ξ)｜<1}的勒贝格测度，而是A的最高阶导数项相应的特征形式。特征展开定理亦由L.戈尔丁得出。
对于奇异情形，例如薛定谔方程 的谱问题,可以证明存在谱函数S(x，y，λ),特征展式为。由于可能出现连续谱，S(x，y，λ)一般不一定能写成前述特征函数双线和的形式。判定奇（异）微分算子谱的离散性是很有意义的工作。已经出现各种充分条件。不过关于特征值与特征函数渐近性质的研究，还只是限于少数特例。
在处理‖x‖→∞ 时V(x)→∞的情形，M.卡茨与D.雷等人曾创造了一种系统的概率方法，其中借助数学期望表出格林函数，有效地求出谱函数与特征值的渐近式：
。
当算子A的系数不光滑,或非一致椭圆，或非自共轭，以及边条件带特征参数或带非定域项等等情形，都出现不少研究结果。还有人考察Au=λBu型的特征值问题,这里A、B都是椭圆算子。
除上述问题外，特征展式的收敛性与求和法也一直受到人们的关注。
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