说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 颅面特征点
1)  facial landmark
颅面特征点
1.
In addition, the determination of facial landmarks plays an important role in the similarity of deformation facial model.
目前的变形复原方法,一般需要专门选择一个合适的参考颅骨模型作为变形数据依据,该方法依赖于参考模型数据库,而本文从变形复原算法的可行性出发,只需输入待复原颅骨和参考人脸模型,通过度量颅面特征点之间的差异,利用径向基函数变形算法对参考人脸模型进行变形调整,从而快速得到具有真实感的三维人脸模型。
2)  feature points of skull
颅骨特征点
1.
This method can carry well out the automatic location of the feature points of skull,and has practical value in photographic superimposition.
本文将 Harris 角点(特征点)提取算法应用于颅骨特征点的定位,再结合颅骨的一些拓扑结构,能实现颅骨特征点的自动定位,在颅骨识别和颅像重合等方面有较大的实用价值。
3)  brachyfacial type
颅面部特征
1.
Craniofacial morphologic features of brachyfacial type and dolichofacial type of skeletal classII in the growing girls;
生长发育期骨性Ⅱ类错高角型及低角型女性患者颅面部特征的比较研究
4)  architectural features of cranio-maxillo-facial
颅颌面骨骼特征
5)  face feature point
面部特征点
1.
A new method is proposed to locate a driver s face feature points by chrominance distribution.
利用嘴唇和眼睛色素分布定位驾驶员面部特征点,首先根据嘴唇为红色这一特征,对CCD采集的彩色图像进行亮度规一化处理后,再向由色彩信息构成的UV空间坐标系投影,根据红色素从投影中分割出嘴唇区域,用边缘提取和红色像素点相结合的方法确定嘴唇形状;采用夹逼法确定描述嘴部状态的特征点。
6)  coplanar feature-points
共面特征点
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。
  

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