برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Image geometry through multiscale statistics

دانلود کتاب هندسه تصویر از طریق آمار چند مقیاسی

مشخصات کتاب

Image geometry through multiscale statistics

دسته بندی: الگوریتم ها و ساختارهای داده ها: پردازش تصویر
ویرایش:  
نویسندگان: Terry Seung-Won Yoo  
سری:  
ISBN (شابک) : 0591236427 
ناشر: The University of North Carolina at Chapel Hill 
سال نشر: 1996 
تعداد صفحات: 130 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 981 کیلوبایت

قیمت کتاب (تومان) : 36,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 17

در صورت تبدیل فایل کتاب Image geometry through multiscale statistics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب هندسه تصویر از طریق آمار چند مقیاسی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب هندسه تصویر از طریق آمار چند مقیاسی

این مطالعه در آمار فضای مقیاس با تجزیه و تحلیل انتشار نویز اپراتورهای دیفرانسیل چند مقیاسی برای تجزیه و تحلیل تصویر آغاز می شود. همچنین روش هایی را برای محاسبه گشتاورهای مرکزی چند مقیاسی ارائه می دهد که توزیع احتمال شدت های محلی را مشخص می کند. عملگرهای جهتی برای نمونه برداری از گشتاورهای مرکزی محلی گرا نیز محاسبه می شوند و جهت های آماری اصلی استخراج می شوند که هندسه تصویر محلی را منعکس می کند. این مدل های آماری چند مقیاسی برای استفاده با داده های چند ارزشی تعمیم داده شده اند. نشان داده شده است که خطای مطلق در متغیرهای دیفرانسیل چند مقیاسی نرمال شده به دلیل نویز فضایی نامرتبط به طور غیر یکنواخت در سراسر ترتیب تمایز متفاوت است. در عوض، خطای مطلق بین اندازه‌گیری‌های مرتبه صفر و اول کاهش می‌یابد و پس از آن با افزایش ترتیب تمایز افزایش می‌یابد، تا زمانی که مشتقات مرتبه سوم یا چهارم گرفته شوند، کمتر از خطای اولیه باقی می‌مانند. متغیرهای آماری داده‌شده توسط عملگرهای نمونه‌برداری همسانگرد و جهت‌دار در مقیاس‌های مختلف برای تولید لحظه‌های مرکزی محلی با شدت مورد استفاده قرار می‌گیرند که اطلاعاتی در مورد توزیع احتمال محلی شدت‌ها در یک مکان پیکسلی تحت فرض ارگودیسیته تکه‌ای به دست می‌آورند. از طریق تجزیه و تحلیل متعارف یک ماتریس لحظه های دوم، نمونه گیری جهتی جهت های آماری اصلی را ارائه می دهد که هندسه تصویر محلی را منعکس می کند و این امکان حذف سوگیری های ایجاد شده توسط ساختار تصویر را فراهم می کند. بنابراین، آمار تصویر چند مقیاسی را می توان نسبت به چرخش و ترجمه فضایی و همچنین توابع خطی شدت تغییرناپذیر ساخت. این روش‌های جدید ابزاری اصولی برای پردازش تصاویر چند ارزشی بر اساس نرمال‌سازی توسط کوواریانس‌های محلی فراهم می‌کنند. آنها همچنین مبنایی برای انتخاب پارامترهای کنترلی در انتشار رسانایی متغیر فراهم می کنند.

توضیحاتی درمورد کتاب به خارجی

This study in the statistics of scale space begins with an analysis of noise propagation of multiscale differential operators for image analysis. It also presents methods for computing multiscale central moments that characterize the probability distribution of local intensities. Directional operators for sampling oriented local central moments are also computed and principal statistical directions extracted, reflecting local image geometry. These multiscale statistical models are generalized for use with multivalued data. The absolute error in normalized multiscale differential invariants due to spatially uncorrelated noise is shown to vary non-monotonically across order of differentiation. Instead the absolute error decreases between zeroth and first order measurements and increases thereafter with increasing order of differentiation, remaining less than the initial error until the third or fourth order derivatives are taken. Statistical invariants given by isotropic and directional sampling operators of varying scale are used to generate local central moments of intensity that capture information about the local probability distribution of intensities at a pixel location under an assumption of piecewise ergodicity. Through canonical analysis of a matrix of second moments, directional sampling provides principal statistical directions that reflect local image geometry, and this allows the removal of biases introduced by image structure. Multiscale image statistics can thus be made invariant to spatial rotation and translation as well as linear functions of intensity. These new methods provide a principled means for processing multivalued images based on normalization by local covariances. They also provide a basis for choosing control parameters in variable conductance diffusion.