1) least squares methods/shape from shading
最小二乘法/明暗恢复形状法
2) shape from shading
从明暗恢复形状
1.
Research on shape from shading in welding pool topside height acquisition;
用从明暗恢复形状方法提取焊接熔池的表面高度
2.
Research on Shape from Shading Based on Fractal Priors;
基于分形的从明暗恢复形状方法研究
3.
The new method of modeling is proposed in this paper ,which extract the depth information from a 2D gray image of the automobile component curve surface using the principle of shape from shading, and realize modeling through visualize programmed.
从明暗恢复形状是计算机视觉中的一个重要的研究课题,其目的是利用单幅图像中明暗变化等信息来恢复其表面形状。
3) shape from shading
明暗恢复形状
1.
Based on the shape from shading theory,a new 3D vision inspection method had been studied,which can recover the 3D shape of surface by a single gray image,and then can apply to full judge the quality of the part surface machining and defect.
研究了一种基于明暗恢复形状的三维视觉测量方法,可以通过单幅灰度图像获取表面三维形貌信息,进而对工件表面加工质量或缺陷进行检测。
4) shape from shading
由明暗恢复形状
1.
SFS(shape from shading) is an important branch in 3-D computer vision.
SFS(由明暗恢复形状)方法研究是计算机三维视觉研究领域中的一个重要分支。
5) shape from shading(SFS)
明暗恢复形状
1.
Imposing data-closeness as a hard constraint to needle-map of surface is proved to be a successful approach of shape from shading(SFS)technique in recent years,but the initialization needle map of the algorithm is much different from the true one of surface when the light source direction is not vertical and the uniqueness of needle map cannot be ensured.
基于数据逼近强约束的针图恢复算法是近年来提出的一种较为成功的从明暗恢复形状(shape from shading)的算法,但由于该算法在非垂直光线下得到的初始化针图的误差较大,并且不能保证法向量有解或有唯一解,为了解决SFS算法存在的问题,提出了一种改进的SFS算法。
6) Least squares method
最小二乘法
1.
Virtual boundary element least squares method for solving elastic coupling problem of different materials;
不同材料契合弹性力学问题的虚边界元最小二乘法
2.
Application to harmonics statistic with orthogonal polynomials series based on least squares method;
基于最小二乘法的正交多项式级数在谐波估计中的应用
3.
Watermarking Techniques Based on the Least Squares Method;
基于最小二乘法的数字水印方法
补充资料：非线性最小二乘法
以误差的平方和最小为准则来估计非线性静态模型参数的一种参数估计方法。设非线性系统的模型为
y＝f(x，θ)
式中y是系统的输出，x是输入，θ是参数（它们可以是向量）。这里的非线性是指对参数θ的非线性模型，不包括输入输出变量随时间的变化关系。在估计参数时模型的形式f是已知的，经过N次实验取得数据(x1,y1),(x2,y1)，...,(xn，yn)。估计参数的准则（或称目标函数）选为模型的误差平方和
非线性最小二乘法就是求使Q达到极小的参数估计值孌。
由于 f的非线性，所以不能象线性最小二乘法那样用求多元函数极值的办法来得到参数估计值，而需要采用复杂的优化算法来求解。常用的算法有两类，一类是搜索算法，另一类是迭代算法。
搜索算法的思路是：按一定的规则选择若干组参数值，分别计算它们的目标函数值并比较大小；选出使目标函数值最小的参数值，同时舍弃其他的参数值；然后按规则补充新的参数值，再与原来留下的参数值进行比较，选出使目标函数达到最小的参数值。如此继续进行，直到选不出更好的参数值为止。以不同的规则选择参数值，即可构成不同的搜索算法。常用的方法有单纯形搜索法、复合形搜索法、随机搜索法等。
迭代算法是从参数的某一初始猜测值θ(0)出发，然后产生一系列的参数点θ(1)、θ(2)...，如果这个参数序列收敛到使目标函数极小的参数点孌，那么对充分大的N就可用θ(N) 作为孌。迭代算法的一般步骤是：
① 给出初始猜测值θ(0)，并置迭代步数i＝1。
② 确定一个向量v(i)作为第i步的迭代方向。
③ 用寻优的方法决定一个标量步长ρ(i)，使得 Q(θ(i))＜Q(θ(i))，其中θ(i)＝θi-1+ρ(i)v(i)。
④ 检查停机规则是否满足，如果不满足,则将i加1再从②开始重复；如果满足，则取θ(i)为孌。
典型的迭代算法有牛顿－拉夫森法、高斯迭代算法、麦夸特算法、变尺度法等。
非线性最小二乘法除可直接用于估计静态非线性模型的参数外，在时间序列建模、连续动态模型的参数估计中，也往往遇到求解非线性最小二乘问题。
y＝f(x，θ)
式中y是系统的输出，x是输入，θ是参数（它们可以是向量）。这里的非线性是指对参数θ的非线性模型，不包括输入输出变量随时间的变化关系。在估计参数时模型的形式f是已知的，经过N次实验取得数据(x1,y1),(x2,y1)，...,(xn，yn)。估计参数的准则（或称目标函数）选为模型的误差平方和
非线性最小二乘法就是求使Q达到极小的参数估计值孌。
由于 f的非线性，所以不能象线性最小二乘法那样用求多元函数极值的办法来得到参数估计值，而需要采用复杂的优化算法来求解。常用的算法有两类，一类是搜索算法，另一类是迭代算法。
搜索算法的思路是：按一定的规则选择若干组参数值，分别计算它们的目标函数值并比较大小；选出使目标函数值最小的参数值，同时舍弃其他的参数值；然后按规则补充新的参数值，再与原来留下的参数值进行比较，选出使目标函数达到最小的参数值。如此继续进行，直到选不出更好的参数值为止。以不同的规则选择参数值，即可构成不同的搜索算法。常用的方法有单纯形搜索法、复合形搜索法、随机搜索法等。
迭代算法是从参数的某一初始猜测值θ(0)出发，然后产生一系列的参数点θ(1)、θ(2)...，如果这个参数序列收敛到使目标函数极小的参数点孌，那么对充分大的N就可用θ(N) 作为孌。迭代算法的一般步骤是：
① 给出初始猜测值θ(0)，并置迭代步数i＝1。
② 确定一个向量v(i)作为第i步的迭代方向。
③ 用寻优的方法决定一个标量步长ρ(i)，使得 Q(θ(i))＜Q(θ(i))，其中θ(i)＝θi-1+ρ(i)v(i)。
④ 检查停机规则是否满足，如果不满足,则将i加1再从②开始重复；如果满足，则取θ(i)为孌。
典型的迭代算法有牛顿－拉夫森法、高斯迭代算法、麦夸特算法、变尺度法等。
非线性最小二乘法除可直接用于估计静态非线性模型的参数外，在时间序列建模、连续动态模型的参数估计中，也往往遇到求解非线性最小二乘问题。
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