1、“.....每个特征分类又被分成有相同条目数维。因此，直方图维数删除数值对应组合数据百分位。从总分布中获得删减值并锁定每维具有相同量组合数据，以保证最高分辨率量化用于条目数最大地方，反之亦然。由于个低维直方图不能提供足够分类识别信息，在特征空间量化中所用到维数在种程度上是很重要。另方面，因为分类条目数有限，维数太大可能导致稀疏且不稳定直方图。根据经验方法，统计学文献时常建议平均每维个条目应该是足够。在实验方面，我们设定数值，以便这个条件得到满足。多分辨率分析我们已经描述了般旋转不变算子作用于像素点以为半径圆形对称邻域集内像素位方法位元次变换。就图像像素点而言，式只简单对应于被多次顺时针方向旋转邻域集，因而最有效位元个最大码从启动,为。,量化了对特定微特征个别旋转不变性模式发生统计学因此该模式可作为特征检测器......”。

2、“.....也就是说可以有个不同值。比如说，图案检测到明亮斑点，有暗点和平坦区域，有边缘。如果我们设定符合灰度和旋转不变性算子正如我们在中指定了。外文翻译基于局部二值模式多分辨率灰度和旋转不变性纹理分类节选图基于均衡模式改进旋转不变性和有角空间更佳量化然而，我们实际经验已经显示同样不能提供非常好识别，这点我们也总结在。这有两个原因中种互相独立模式联合体发生频率变化非常大，有角空间间隔粗糙量化。我们已经观测得知，特定可描述绝大多数基本纹理特征，有时可描述超过模式里所有纹理。这将和实验中用到图像数据统计学起在第节中加以详细阐述。当它们具有个共同点时，我们称这种基本模式为均衡模式，即包含少许空间变换均衡圆形循环结构。均衡模式例子如图第行，它们就像模板样作用于各种微结构，诸如明亮斑点，平滑区域或者暗色斑点，以及按曲率正负变化边缘等等。为了要正式定义均衡模式，我们引入值模式......”。

3、“.....例如，模式和值为，而图第列中其它七种模式值为，即这些模式中最多只有次跳跃。类似，其它种模式值至少为。我们指定值不大于为均衡模式，并提出了替代,基于灰度和旋转不变纹理算子如下当其它其中,标在右上角反映了旋转不变均衡模式用处值最大为。根据定义，均衡二值模式可用于个像素点圆形对称邻域集。方程式指定了个独特外文翻译基于局部二值模式多分辨率灰度和旋转不变性纹理分类节选标识给这些像素点对应模式中二进制码。图通过图案把均衡模式表示出来了。在实践中，从,到,映射有个不同输出值，是基于个元素查找表最佳实现。纹理分析中最终使用纹理特征是算子作用在纹理样本之上所得值即模式标识累计直方图。相对于全独立模式直方图，均衡模式直方图之所以能提供更好识别力，归结为它们统计特性差别......”。

4、“.....因而它们概率得不到可靠估计。对样本和模型直方图相异点分析中有噪估计会使效果变差。我们很早就注意到旋转不变性受邻域集内个像素点所提供有角空间角粗量化制约。因为有角空间量化被定义为，所以要使用个更大来直接定位。但是，选择还必须考虑些特定事项。首先，和在种程度上与给定对应圆形邻域包含有限像素点数例如，对于，这里引进邻域非多余取样点数目上限。其次，包含有个元素查找表有效执行，要求为设定个实用上限。本文中，我们探索值最大为，这需要个能由计算机简单处理查询表。局部图像纹理对比度旋转不变量方差量度,算子是个灰度不变性方法，也就是，它输出值不受任何灰度转化影响。它是空间模式优良方法，但根据定义，丢失了对比度。如果灰度不变性不是必需，而我们又想要合并局部图像纹理对比度，则可用旋转不变量来衡量局部方差,是根据灰度变化不变量定义和,是互相补充......”。

5、“.....鉴于此，即使我们在本研究中限制我们自己用到具有相同,值,和,算子，也不会影响我们使用作用于不同邻域算子联合分布。非参数分类法则在分类阶段，我们求出样本和模型直方图相异值作为拟合度测试，这个值由非参数统计检验来衡量。通过非参数检验，关于纹理分类假设，我们可以避免任何可能。有许多众所周知拟合度统计量，诸如统计量和对数似然比统计量。本研究中，测试样本被指派给模型类，它极大对数似然统计量为,其中，为数量，和分别对应样本和模型直方图维值为概外文翻译基于局部二值模式多分辨率灰度和旋转不变性纹理分类节选率。方程式是对数似然比统计量直接简化,其中，表达式右边第项可以忽略地看作是给定常数。是个非参数假设，用于衡量样本似然度，是来自纹理类别还是基于预分类纹理模型准确概率。在联合分布情况下，可以直接方式彻底扫描二维直方图......”。

6、“.....把算子输出分类分解成带有固定维数直方图。因为,有个离散输出值固定集，不需要量化，但算子输出值直接被累计成维直方图。每维都能有效提供个在纹理样本或原型中遇到对应模式概率估计量。因为只有个模式小子集可以几乎包含个给定模式，所以毗连邻域之间空间依存关系是固有地存在于直方图中。方差量度,有个连续值输出，因此，需要特征空间量化。这可通过在总分类中为每个单独模型图像都添加个特征分类来完成，每个特征分类又被分成有相同条目数维。因此，直方图维数删除数值对应组合数据百分位。从总分布中获得删减值并锁定每维具有相同量组合数据，以保证最高分辨率量化用于条目数最大地方，反之亦然。由于个低维直方图不能提供足够分类识别信息，在特征空间量化中所用到维数在种程度上是很重要。另方面，因为分类条目数有限，维数太大可能导致稀疏且不稳定直方图。根据经验方法......”。

7、“.....在实验方面，我们设定数值，以便这个条件得到满足。多分辨率分析我们已经描述了般旋转不变算子作用于像素点以为半径圆形对称邻域集内像素,，„外文原文,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,位方法位元次变换。就图像像素点而言，式只简单对应于被多次顺时针方向旋转邻域集，因而最有效位元个最大码从启动,为。,量化了对特定微特征个别旋转不变性模式发生统计学因此该模式可作为特征检测器。图举例说明了当时种独特旋转不变二值模式，也就是说可以有个不同值。比如说，图案检测到明亮斑点，有暗点和平坦区域，有边缘。如果我们设定符合灰度和旋转不变性算子正如我们在中指定了。外文翻译基于局部二值模式多分辨率灰度和旋转不变性纹理分类节选图基于均衡模式改进旋转不变性和有角空间更佳量化然而，我们实际经验已经显示同样不能提供非常好识别......”。

8、“.....这有两个原因中种互相独立模式联合体发生频率变化非常大，有角空间间隔粗糙量化。我们已经观测得知，特定可描述绝大多数基本纹理特征，有单词，汉字出处本科生毕业设计论文外文翻译及原文题目姓名学号学院数学与计算机科学学院专业信息与计算科学专业年级指导教师签名系主任或教研室主任签章外文翻译基于局部二值模式多分辨率灰度和旋转不变性纹理分类节选基于局部二值模式多分辨率灰度和旋转不变性纹理分类节选摘要本文描述了理论上非常简单但非常有效，基于局部二值模式样图非参数识别和原型分类，多分辨率灰度和旋转不变性纹理分类方法。此方法是基于结合种均衡局部二值模式，是局部图像纹理基本特性，并且已经证明生成直方图是非常有效纹理特征。我们获得个般灰度和旋转不变算子，可表达检测有角空间和空间结构任意量子化均衡模式，并提出了结合多种算子多分辨率分析方法。根据定义......”。

9、“.....所以所提出方法在灰度发生变化时是非常强健。另个优点是计算简单，算子在小邻域内或同查找表内只要几个操作就可实现。在旋转不变性实际问题中得到了良好实验结果,与来自其他旋转角度样品起以个特别旋转角度试验而且测试得到分类,证明了基于简单旋转发生统计学不变性二值模式分辨是可以达成。这些算子表示局部图像纹理空间结构又特色是，由结合所表示局部图像纹理差别旋转不变量不致方法，其性能可得到进步改良。这些直角措施共同证明了这是旋转不变性纹理分析非常有力工具。关键词非参数，纹理分析，分类，直方图，对比度灰度和旋转不变性局部二值模式我们通过定义单色纹理图像个局部邻域纹理，如个象素点灰度级联合分布，来描述灰度和旋转不变性算子其中，为局部邻域中心像素点灰度值„为半径圆形邻域内对称空间象素点集灰度值。图外文翻译基于局部二值模式多分辨率灰度和旋转不变性纹理分类节选如果坐标是那么坐标为......”。