目录
偏导数
在数学中,一个多变量的函数的偏导数是它关于其中一个变量的导数,而保持其他变量恒定(相对于全导数,在其中所有变量都允许变化)。偏导数在向量分析和微分几何中是很有用的。 函数f关于变量x的偏导数写为f_x^或\frac。偏导数符号\partial是全导数符号 d的变体,这个符号是阿德里安-马里·勒让德引入的,并在雅可比的重新引入后得到普遍接受。.
查看 光流法和偏导数
卢卡斯-卡纳德方法
在计算机视觉中,卢卡斯-金出方法是一种广泛使用的光流估计的差分方法,这个方法是由Bruce D. Lucas和Takeo Kanade发明的。它假设光流在像素点的邻域是一个常数,然后使用最小平方法对邻域中的所有像素点求解基本的光流方程。 通过结合几个邻近像素点的信息,卢卡斯-金出方法(简称为L-K方法)通常能够消除光流方程里的多义性。而且,与逐点计算的方法相比,L-K方法对图像噪声不敏感。不过,由于这是一种局部方法,所以在图像的均匀区域内部,L-K方法无法提供光流信息。.
互相关
在统计学中,互相关有时用来表示两个随机矢量 X 和 Y 之间的协方差cov(X, Y),以与矢量 X 的“协方差”概念相区分,矢量 X 的“协方差”是 X 的各标量成分之间的协方差矩阵。 在信号处理领域中,互相关(有时也称为“互协方差”)是用来表示两个信号之间相似性的一个度量,通常通过与已知信号比较用于寻找未知信号中的特性。它是两个信号之间相对于时间的一个函数,有时也称为“滑动点积”,在模式识别以及密码分析学领域都有应用。 对于离散函数 fi 和 gi 来说,互相关定义为 其中和在整个可能的整数 j 区域取和,星号表示复共轭。对于连续信号 f(x) 和 g(x) 来说,互相关定义为 其中积分是在整个可能的 t 区域积分。 互相关实质上类似于两个函数的卷积。.
查看 光流法和互相关
图像处理
图像处理是指对图像进行分析、加工、和处理,使其满足视觉、心理或其他要求的技术。图像处理是信号处理在图像领域上的一个应用。目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。此外,基于光学理论的处理方法依然占有重要的地位。 图像处理是信号处理的子类,另外与计算机科学、人工智能等领域也有密切的关系。 传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上,比如降噪、量化等。然而,图像属于二维信号,和一维信号相比,它有自己特殊的一面,处理的方式和角度也有所不同。.
查看 光流法和图像处理
體素
素或立體像素(voxel),是體積像素(volume pixel)的簡稱。概念上類似二維空間的最小單位——像素,像素用在二維電腦圖像的影像資料上。體積像素一如其名,是數位資料於三維空間分割上的最小單位,應用于三維成像、科學資料與醫學影像等領域。有些真正的三維顯示器運用體素來描述它們的解析度,舉例來說:可以顯示512×512×512體素的顯示器。 如同像素,體素本身並不含有空間中位置的資料(即它們的座標),然而卻可以從它們相對於其他體素的位置來推敲,意即它們在構成單一張體積影像的資料結構中的位置。.
查看 光流法和體素
泰勒级数
在数学中,泰勒级数(Taylor series)用无限项连加式——级数来表示一个函数,这些相加的项由函数在某一点的导数求得。泰勒级数是以于1715年发表了泰勒公式的英國数学家布魯克·泰勒(Sir Brook Taylor)来命名的。通过函数在自变量零点的导数求得的泰勒级数又叫做麦克劳林级数,以苏格兰数学家科林·麦克劳林的名字命名。 拉格朗日在1797年之前,最先提出帶有餘項的現在形式的泰勒定理。实际应用中,泰勒级数需要截断,只取有限项,可以用泰勒定理估算这种近似的误差。一个函数的有限项的泰勒级数叫做泰勒多项式。一个函数的泰勒级数是其泰勒多项式的极限(如果存在极限)。即使泰勒级数在每点都收敛,函数与其泰勒级数也可能不相等。开区间(或复平面开片)上,与自身泰勒级数相等的函数称为解析函数。.
查看 光流法和泰勒级数
摄动理论
摄动理论使用一些特別的数学方法來對於很多不具精确解的问题給出近似解,这些方法从相关的較簡單问题的精确解开始入手。摄动理论將原本問題分為具有精確解的較簡單部分與不具精確解的微扰部分。摄动理论适用的问题通常具有以下性質:通过加入一个微扰项於較簡單部分的數學表述,可以計算出整個問題的近似解。 摄动理论计算出来的解答通常会表达为一个微小参数的冪級數。摄动理论解答与精确解之间的差别,可以用这微小参数来做数量比较。冪級數的第一个项目是精确解的解答。后面的项目描述解答的修正。这修正是因为精确解与原本问题的「完全解」之间的误差而产生的。更正式地,完全解A\,\!的近似可以表達为一个級數: 在這例子裏,A_0\,\!是簡單又有「精確解」的問題的精確解,A_1,\, A_2, \,\!代表由某种系统程序反覆地找到的高阶项目修正。因为\epsilon\,\!的值很微小,这些高阶项目修正应该会越来越不重要。.
查看 光流法和摄动理论