1) 2-D Mask Convolution
2-D模板卷积
1.
FPGA Implementation of a New Architecture for 2-D Mask Convolution;
一种新型2-D模板卷积结构的FPGA实现
2) template convolution
模板卷积
1.
Draw lessons from the filtering based on template convolution in digital image processing,a new method of outlier elimination is proposed.
借鉴数字图像处理中基于模板卷积线性滤波方法的思想,提出了一种基于模板卷积滤波的野值剔除方法,从理论上分析了该方法的高精度性和高实时性。
2.
According to the correlation of measurement data,combining with the theory of least square,a new method of outlier elimination is proposed by improving the principle of template convolution method which we proposed sometimes ago.
针对测量数据前后相关性这一客观事实,并结合最小二乘理论,对前期提出的基于模板卷积的野值剔除方法进行了改进,从理论上分析了该方法的高精度性和高实时性,并进行了仿真实验。
3) convolution mask
卷积模板
1.
This paper presents the scheme for designing the 2-D convolution mask of Gabor filter in the frequency domain, This scheme avoids the problem of choosing the sampling frequency in the spatial domain, or the sampling frequency must be determined when the mask is obtained by means of sampling the Gabor function, the impulse response of the Gabor filter.
本文给出了直接从频域构造Gabor滤波器二维空域卷积模板的计算方法,回避了在空间域对Gabor滤波器冲激响应函数抽样以获取卷积模板所遇到的采样频率的选择问题。
2.
To improve the arithmetic operation speed,it constructed the two type LS-SVR convolution mask based on the filtering strategy and LS-SVR characteristic,training process of LS-SVR is turned into simple weighted summation operation which increased the algorithmic practicability.
为提高算法的运算速度,根据滤波策略和LS-SVR的特点,先期构造了二种LS-SVR卷积模板,将LS-SVR的训练过程转化为了简单的加权求和运算,增加了算法的实用性。
4) convolution template
圆卷积模板
1.
Custom convolution template is used to locate no-close eye.
针对非开眼问题,在灰度空间中使用自定义圆卷积模板法定位眼睛。
5) Convolution Kernel Mask Operation
卷积核模板匹配
6) bicubic convolution template
双三次卷积模板
1.
In order to improve its performance,this paper proposes bicubic convolution template algorithm:make the bicubic interpolation discrete and infer 16 templates,in which the original real operations are replaced by integer operations.
为提高其计算性能,设计了双三次卷积模板算法:对双三次插值算法进行离散化处理,变实数运算为整数运算,得到16个模板,模板与邻域像素的灰度值进行卷积计算,得到变换后的像素的灰度值。
补充资料：卷积
| 卷积 convolution 分析数学中一种重要的运算。设f（x）， g（x）是R1上的两个可积函数，作积分：  可以证明，关于几乎所有的x∈（－∞，∞） ，上述积分是存在的。这样，随着x的不同取值 ，这个积分就定义了一个新函数h(x)，称为f与g的卷积，记为h（x）＝（f *g）（x）。容易验证，（f *g）（x）＝（g *f）（x），并且（f *g）（x）仍为可积函数。这就是说，把卷积代替乘法，L1（R1）1空间是一个代数，甚至是巴拿赫代数。卷积与傅里叶变换有着密切的关系。以  (x) ， (x)表示L1（R）1中f和g的傅里叶变换，那么有如下的关系成立：（f *g）∧（x）＝ (x)· (x)，即两函数的傅里叶变换的乘积等于它们卷积后的傅里叶变换。这个关系，使傅里叶分析中许多问题的处理得到简化。由卷积得到的函数（f *g）（x），一般要比f，g都光滑。特别当g为具有紧支集的光滑函数，f 为局部可积时，它们的卷积（f *g）（x）也是光滑函数。利用这一性质，对于任意的可积函数 ， 都可以简单地构造出一列逼近于f 的光滑函数列fs（x），这种方法称为函数的光滑化或正则化。 卷积的概念还可以推广到数列 、测度以及广义函数上去。 |
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