1) Local binary fitting
局部二值试样
2) local binarization
局部二值化
3) local binary pattern
局部二值模式
1.
Based on observations of large number of tongue images of several diseases, we apply a method which combines Gabor transform and local binary pattern aiming for different states of tongue and symptoms of different diseases in this dissertation, and realize tongue image segmentation with both texture characteristic and color characteristic.
根据对各种疾病的舌图像的大量观察,本文针对不同疾病的舌象特点,比较了多种纹理特征提取方法,确立了每种舌质和苔质的典型特征,应用了一种结合了Gabor滤波和局部二值模式纹理特征提取算法,并结合纹理特征和颜色特征的进行了舌图像的分割。
2.
Local Binary Pattern is a newly-developed theory which is simple but useful calculating method of texture analysis.
局部二值模式(Local Binary Patterns,LBP)是最近发展起来的一种理论简单但功能强大的纹理分析算法,在计算机视觉等领域表现出良好的性能,并得到了较为广泛的应用和认可。
3.
Firstly,every block on the first layer is modeled via textures based on local binary pattern operators.
首先利用基于局部二值模式的纹理信息进行第一层分块背景建模,然后缩小建模粒度,在第一层上选取代表点进行第二层码本背景建模;目标检测时,不同粒度从上到下与所得背景模型分层匹配。
4) local quadratic interpolation
局部二次插值
1.
The characteristic difference scheme based upon the local quadratic interpolation is considered.
对于一类基于局部二次插值的特征差分格式,利用冯·诺伊曼方法分析了差分格式的l2稳定性,得到了格式l2稳定的充分必要条件。
5) Local Binary Pattern(LBP)
局部二值模式
1.
A method combining Local Binary Pattern(LBP) descriptor with chain AdaBoost was presented for multi-modal face recognition.
提出了一种基于局部二值模式(LBP)和级联AdaBoost的多模态人脸识别方法。
2.
Firstly Local Binary Pattern(LBP) descriptor is used to extract the LBP Histogram Sequence(LBPHS) from greyscale and depth face images.
首先用局部二值模式(Local Binary Pattern,LBP)算子分别提取人脸灰度图像和深度图像的区域LBP直方图序列(LBP Histogram Sequence,LBPHS),采用Fisherfaces分别构建相应的线性子空间,用余弦相似度计算投影向量的匹配得分,再采用5种方法对匹配得分进行融合。
3.
This paper presents a method of multi-modal face recognition which combines Local Binary Pattern(LBP) with Fisherfaces.
提出一种结合局部二值模式(LBP)和Fisherfaces的多模态人脸识别方法。
6) Local Binary Patterns
局部二值模式
1.
Methods of ASM facial feature′s positioning based on local binary patterns
基于局部二值模式的ASM人脸特征定位方法研究
2.
Local Binary Patterns (LBP) is defined as a gray-scale invariant texture measure.
局部二值模式(LBP)是一种灰度范围内的纹理描述方式。
补充资料：力学量的可能值和期待值
在量子力学中，力学量F用作用于波函数上的算符弲表示。在数学上，对于一个算符，满足
的函数 ui(r)称为弲的本征函数，式中Fi是与r无关的数,称为本征值。如果ui(r)描写微观粒子的状态,则它必须满足单值、连续和有限的标准条件。在这种限制之下，上式中的本征值可以取一系列分立值，或取一定范围内的连续数值。
在测量力学量F时,观察到的只能是它的本征值。若一个力学量的本征值具有分立谱，我们说这个力学量是量子化的。
量子力学中假定力学量的全部本征函数组成一个完全系；这意思是说：描写体系的任一状态的波函数ψ都可以用力学量的本征函数ui展开：
在ψ和ui都是归一化的情况下，上式中的展开系数сi具有如下的物理意义：在ψ态中测量力学量时,得到结果为Fi的几率是|сi|2。
因此，若微观粒子的定态波函数是某力学量算符的本征函数ui(r),则在这一状态中,力学量F取确定值Fi。
在ψ态中对力学量进行多次测量,把所得结果加以平均，就得出力学量在ψ态中的期待值，以〈F〉表示：
上式称为力学量的期待值公式。如果ψ不是归一化的，那么期待值公式应写为
的函数 ui(r)称为弲的本征函数，式中Fi是与r无关的数,称为本征值。如果ui(r)描写微观粒子的状态,则它必须满足单值、连续和有限的标准条件。在这种限制之下，上式中的本征值可以取一系列分立值，或取一定范围内的连续数值。
在测量力学量F时,观察到的只能是它的本征值。若一个力学量的本征值具有分立谱，我们说这个力学量是量子化的。
量子力学中假定力学量的全部本征函数组成一个完全系；这意思是说：描写体系的任一状态的波函数ψ都可以用力学量的本征函数ui展开：
在ψ和ui都是归一化的情况下，上式中的展开系数сi具有如下的物理意义：在ψ态中测量力学量时,得到结果为Fi的几率是|сi|2。
因此，若微观粒子的定态波函数是某力学量算符的本征函数ui(r),则在这一状态中,力学量F取确定值Fi。
在ψ态中对力学量进行多次测量,把所得结果加以平均，就得出力学量在ψ态中的期待值，以〈F〉表示：
上式称为力学量的期待值公式。如果ψ不是归一化的，那么期待值公式应写为
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