离散分形布朗增量随机场(DFBIR),Discrete Fractal Brownian Increasing Random (DFBIR)Field,音标,读音,翻译,英文例句,英语词典

您的位置：首页 -> 词典 -> 离散分形布朗增量随机场(DFBIR)

1) Discrete Fractal Brownian Increasing Random (DFBIR)Field 点击朗读

离散分形布朗增量随机场(DFBIR)

2) DFBIR model 点击朗读

离散分形布朗随机增量场模型

3) Discrete fractional Brownian random field 点击朗读

离散分数布朗随机场

he effect of white noise on the estimation of fractal dimension for images of naturalscenery based on discrete fractional Brownian random field(DFBRF)is discussed.

分析了白噪声对于基于离散分数布朗随机场（简记为ＤＦＢＲＦ）图像模型的自然景物图像分形维数估计的影响；给出了有噪背景下分形维数估计中采用最小二乘法拟合直线时，线性标度区的下界；并且指出了有噪背景下改善分形维数估计准确性的策略。

To overcome the shortcomings of traditional methods, a method of underwater image segmentation based on the discrete fractional Brownian random field was proposed to dispose underwater images.

采用传统图像检测方法存在目标区域定位不准确、目标细节信息丢失、目标形状变形等问题,本文提出一种基于离散分数布朗随机场模型的水下图像目标检测方法。

更多例句>>

4) DFBR

离散分数布朗随机场

The method gets the gray-level image distributed by fractal dimension using the DFBR field of the fractal theory to restrain the noise.

该方法利用分形理论中离散分数布朗随机场来抑制噪声得到按分形维分布的灰度图像，采用数学形态学检测连续的特征边缘。

更多例句>>

5) Fractal Brownian random field 点击朗读

分形布朗随机场

6) fractional Brownian random field 点击朗读

分数布朗随机场

According to the theory of nonlinear fractional Brownian random field model,a new enhancement method is proposed in this paper,in which the image is transformed from gray space into fractal parameter space after the image is filtered through nonlinear filter.

对于工业现场采集的一类低反差、噪声大的图像,经过非线性滤波后根据分数布朗随机场模型理论,从灰度空间变换到分形参数空间,并以归一化后的像素分形维数为加权值对图像进行分形增强。

In this paper, according to the theory of fractional Brownian random field model, a new algorithm based on fractal to detect the edges of fractal image.

本文根据分数布朗随机场(FBR)模型理论,运用小波变换法先对图像进行去噪,然后对图像的分形参数H进行估计,进而根据分形参数H的值的奇异性来检测图像的边缘。

更多例句>>

补充资料：独立增量随机过程

独立增量随机过程
tochastic process with independent increments

独立增里随机过程「劝刘巨浦c拌.义冠弓初山侧吻创如t加盆，曰n臼lts;cjl抖浦.咸nP0uecc c Ite3洲cltMuM.uP-“P啊eHll，刚』一种随机过程(s勿比邵石cp~)X(t)，对任意自然数”和所有实数O蕊:，<口，簇:2<吞2簇…蕊，。<口。，增量X(乃;)一X(‘J)，…，X(刀。)一X(，。)是相互独立随机变量，独立增量随机过程称为齐次的(holll。罗11印us)，如果X(:+h)一X(。)，0(戊，oO，当t’，t时 p{}Y(t‘)一Y(t)}>。}~0.W汹犯r过程(Wiemr Proo巴粥)和Pb远翔1过程(Po哪npr(x芜‘s)是随机连续的独立增量随机过程的例子(前者的实现以概率1连续，后者的实现是跳跃值等于l的阶梯函数).独立增量随机过程的一个重要例子是稳定过程(见稳定分布(stable面tribution)).随机连续的独立增量随机过程(以概率1)只有第一类间断点.这种过程的值的分布对任意t是无穷可分的(见无穷可分分布(inf谊此ly一山北ible dis州bution))可以用特征函数(chara叱ristic ftmct」on)方法研究独立增量随机过程.关于过程穿越边界的概率以及第一次穿越时间的概率分布等问题，可用所谓因子分解恒等式(fac-tori山tion jdenti往留)来解决.”协月片，巴爹‘人队见随饥双桂L StDchasl」e Process). 刘秀芳译陈培德校

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

DFBIR场随机变量散布离散型随机变量离散随机变量离散型随机向量离散值随机变量

离散分形布朗运动随机分形布朗运动随机场离散离散随机量

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 -> 离散分形布朗增量随机场(DFBIR) 1) Discrete Fractal Brownian Increasing Random (DFBIR)Field 离散分形布朗增量随机场(DFBIR) 2) DFBIR model 离散分形布朗随机增量场模型 3) Discrete fractional Brownian random field 离散分数布朗随机场 1. he effect of white noise on the estimation of fractal dimension for images of naturalscenery based on discrete fractional Brownian random field(DFBRF)is discussed. 分析了白噪声对于基于离散分数布朗随机场（简记为ＤＦＢＲＦ）图像模型的自然景物图像分形维数估计的影响；给出了有噪背景下分形维数估计中采用最小二乘法拟合直线时，线性标度区的下界；并且指出了有噪背景下改善分形维数估计准确性的策略。 2. To overcome the shortcomings of traditional methods, a method of underwater image segmentation based on the discrete fractional Brownian random field was proposed to dispose underwater images. 采用传统图像检测方法存在目标区域定位不准确、目标细节信息丢失、目标形状变形等问题,本文提出一种基于离散分数布朗随机场模型的水下图像目标检测方法。更多例句>> 4) DFBR 离散分数布朗随机场 1. The method gets the gray-level image distributed by fractal dimension using the DFBR field of the fractal theory to restrain the noise. 该方法利用分形理论中离散分数布朗随机场来抑制噪声得到按分形维分布的灰度图像，采用数学形态学检测连续的特征边缘。更多例句>> 5) Fractal Brownian random field 分形布朗随机场 6) fractional Brownian random field 分数布朗随机场 1. According to the theory of nonlinear fractional Brownian random field model,a new enhancement method is proposed in this paper,in which the image is transformed from gray space into fractal parameter space after the image is filtered through nonlinear filter. 对于工业现场采集的一类低反差、噪声大的图像,经过非线性滤波后根据分数布朗随机场模型理论,从灰度空间变换到分形参数空间,并以归一化后的像素分形维数为加权值对图像进行分形增强。 2. In this paper, according to the theory of fractional Brownian random field model, a new algorithm based on fractal to detect the edges of fractal image. 本文根据分数布朗随机场(FBR)模型理论,运用小波变换法先对图像进行去噪,然后对图像的分形参数H进行估计,进而根据分形参数H的值的奇异性来检测图像的边缘。更多例句>> 补充资料：独立增量随机过程独立增量随机过程 tochastic process with independent increments 独立增里随机过程「劝刘巨浦c拌.义冠弓初山侧吻创如t加盆，曰n臼lts;cjl抖浦.咸nP0uecc c Ite3洲cltMuM.uP-“P啊eHll，刚』一种随机过程(s勿比邵石cp~)X(t)，对任意自然数”和所有实数O蕊:，<口，簇:2<吞2簇…蕊，。<口。，增量X(乃;)一X(‘J)，…，X(刀。)一X(，。)是相互独立随机变量，独立增量随机过程称为齐次的(holll。罗11印us)，如果X(:+h)一X(。)，0(戊，oO，当t’，t时 p{}Y(t‘)一Y(t)}>。}~0.W汹犯r过程(Wiemr Proo巴粥)和Pb远翔1过程(Po哪npr(x芜‘s)是随机连续的独立增量随机过程的例子(前者的实现以概率1连续，后者的实现是跳跃值等于l的阶梯函数).独立增量随机过程的一个重要例子是稳定过程(见稳定分布(stable面tribution)).随机连续的独立增量随机过程(以概率1)只有第一类间断点.这种过程的值的分布对任意t是无穷可分的(见无穷可分分布(inf谊此ly一山北ible dis州bution))可以用特征函数(chara叱ristic ftmct」on)方法研究独立增量随机过程.关于过程穿越边界的概率以及第一次穿越时间的概率分布等问题，可用所谓因子分解恒等式(fac-tori山tion jdenti往留)来解决.”协月片，巴爹‘人队见随饥双桂L StDchasl」e Process). 刘秀芳译陈培德校说明：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 DFBIR场随机变量散布离散型随机变量离散随机变量离散型随机向量离散值随机变量

©2011 dictall.com