1) local value
局部值
2) local extremum
局部极值
1.
Study on local extremum of object function in mutual information-based image registration;
基于互信息图像配准中的局部极值问题研究
2.
The difficulty of optimization caused by local extremum is the key problem of the algorithm.
由局部极值导致的寻优困难是困扰该算法的核心问题,混合优化算法成功地解决了互信息函数的寻优问题,但延长了配准时间。
3.
It can not only overcome the disadvantage of easily getting into the local extremum in the later evolution period,but also keep the rapidity of the previous period.
所提出的算法将粒子群优化算法和混沌算法相结合,既摆脱了算法搜索后期易陷入局部极值点的缺点,同时又保持了前期搜索的快速性。
3) Local maximum
局部极值
1.
Overcome of local maximum in mutual information-based image registration;
基于互信息量图像配准中目标函数局部极值的克服
2.
The cause of local maximum of object functions image registration was analyzed based on mutual information, and an optimization strategy by using simulated annealing-simplex method proposed.
分析了在基于互信息方法的图像配准中,目标函数产生局部极值的原因,提出以模拟退火单纯形法作为优化策略,该方法利用了单纯形法的一种修改后的形式作为模拟退火中随机变化的发生器。
4) local mean
局部均值
1.
Infrared object tracking based on local mean of integral edge strength
基于积分边缘强度局部均值的红外目标跟踪
2.
This method mainly takes advantage of the grey level change of texture image to compare the pixel grey level value to the local mean of neighbour domain which the .
此方法主要利用纹理图象的灰度变化特性,采用将像素点灰度与所在邻域内灰度的局部均值比较的方法,使原方法更有针对性。
5) local threshold
局部阈值
1.
In order to restore the binary image information from the gray character image with noise and distortion through the filtering method, an adaptive binarization filtering algorithm is put forward based on the combination of adaptive filtering with local threshold binarization.
将自适应滤波与局部阈值二值化有机结合起来,提出自适应二值化滤波算法,旨在将淹没在噪声和失真中的灰度文本图像的二值图像信息通过滤波的方式恢复出来。
2.
Based on operators for edge feature detection, a new method of adaptive threshold selection is proposed which combines the local threshold with global threshold selection.
基于图像的边界信息和微分算子 ,提出了一个局部阈值和整体阈值相结合的新的自动选择阈值算法 。
3.
They are improved bayesian image denoising based on wavelets,image denoising based on lifting wavelet and subbands adaptive threshold,wavelet image denoising base on local threshold.
本文在对小波变换及传统降噪算法深入研究的基础之上,提出了三种基于小波变换的图像降噪方法:基于改进的贝叶斯模型的小波图像降噪、基于提升小波与子带自适应阈值的图像降噪、基于局部阈值的小波图像降噪。
补充资料：Weierstrass条件(对变分极值的)
Weierstrass条件(对变分极值的)
eierstrass conditions (for a variational extremun
与 ，(，)一丁:(:，、(:)，、(。))过:， ，‘! L:R xR”xR”~R，在极值曲线x;、(t)上达到一个强局部极小值，其必要条件是不等式 、(r，x。(r)，又。(r)，亡))o对所有的t，t。蕊t毛t、和所有的省任C”都满足，其中‘·是Weierstrass澎函数(Weierstrass吕J一几mC-tion).这条件可借助于函数 n(t，x，p，u)=(p，u)一L(t，x，u)来表示(见n0HTp“「“H最大值原理(Pont月闷gm~-mum pnnciple)).Weierstrass条件(在极值曲线x。(t)上六)0)等价于函数n(r，x.，(t)，尸。(r)，u)当“=交.，(r)在u上达到极大值，其中夕。(t)=L、(t，x。，(t)，又。(t)).这样，Weierstrass必要条件是floH-Tp。朋最大值原理的特殊情形. Weierstrass充分条件(Weierstrasss川币eientcon-山tion):为了泛函 叭 ，(，)一丁:(:，、(。)，*(。))、。， r‘- L:R xR”xR”一，R在向量函数x.，(t)上达到一个强局部极小值，其充分条件是在曲线x。(t)的一个邻域G中存在一个向量值场斜率函数U(t，x)(测地斜率)(见H皿祀rt不变积分(Hilbert invariant integral))，使得 交。(t)=U(t，x。(t))和 产(t，x，U(t，x)，七))0对所有(t，x)〔G和任何向量亡6R”成立.【补注]对在极值曲线的隅角的必要条件，亦见Wei-erstrass一Erd”.un隅角条件(W匕ierstrass一Erdrnanncomer conditions).weierstrass条件(对变分极值的)[Weierstrass cOI公i-tions(for a varia垃翻目翻drelll.ll:Be滋eP山TPaccayc-月OBH，，KcTpeMyMa」 经典变分法中对强极值的必要和(部分地)充分条件(见变分学(variational cakulus)).由K .We卜erstrass于1879年提出. 节几ierstrass必要条件(Weierstrass neeessary con-dition):为使泛函
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