2014年2月27日
摘要: C语言中没有引用,引用(reference)是c++对c语言的重要扩充。通俗点说,引用就是“起别名”。比如变量data,和它的引用 RefData。虽然名字不同,但是操作他们的时候,都操作的是相同的内存,所以,不管你改变data还是RefData,内存中的内容都会改变。例子:int a; //声明变量aint& ra = a; //声明一个引用,名字是ra,ra引用了a注:1)ra声明的时候必须同时给出它到底引用了谁,不能先定义然后再指出 ;2)引用一旦声明,就不能再修改到其他变量上了。3)&在此不是求地址运算,而是起标识作用。4)声明一个引用,不是新定义了一个变量,它只表示该 阅读全文
posted @ 2014-02-27 15:53 Sweet Smile 阅读(257) 评论(0) 推荐(0) 编辑
  2014年2月21日
摘要: 1 //相当于为现有类型创建一个别名,或称类型别名。 2 //整形等 3 typedef int size; 4 5 6 //字符数组 7 char line[81]; 8 char text[81];//=> 9 10 typedef char Line[81];11 Line text, secondline;12 13 14 //指针15 typedef char * pstr;16 int mystrcmp(pstr p1, pstr p2);//注:不能写成int mystrcmp(const pstr p1, const pstr p3);因const pstr p1解释为c 阅读全文
posted @ 2014-02-21 08:57 Sweet Smile 阅读(1403) 评论(0) 推荐(0) 编辑
  2014年1月10日
摘要: 第8章 场景中句法语义图像理解直观目的:将场景中相应目标和区域进行语义化描述。层次生成模型最接近人之本质,始于句法模式识别(基元提取和文法推断尚未很好解决)。早期是基于规则的图像理解,但如何获取、存储规则成为研究瓶颈。然后出现基于统计的层析句法分析。层次生成模型中包括层次结构和上下文信息。将非结构生成模型如随机上下文无关句法(SCFG)与描述性模型(MRF,Markov随机场、图模型)整合在一起。前者针对图像基元,后者表示节点间上下文信息。整合后的概率模型构成了随机上下文有关的图像句法。为层次生成模型之核心。8.2 句法语言句法语言是句法结构产生的所有可能的有效结构集合,而在随机句法中,每个结 阅读全文
posted @ 2014-01-10 11:06 Sweet Smile 阅读(486) 评论(0) 推荐(0) 编辑
摘要: 第6章 场景中目标之间的关系借助于与或图和解析图表示。与或图有:与节点、或节点、终端节点。解析图是在与或图中或节点上选择分类标签得到的。6.2 与或图与解析图与节点表示实体到部分的分解;或节点为可选择子结构的开关。按平常意义理解即可。因或节点在在不同层次上均有,所以可以递归式的将很多目标场景合并在一块得到更大的与或图。解析图由解析树扩张而成。6.3 视觉词汇终端节点实际上可以出现在任何层次上,其集合称为词汇。视觉词汇是成对的结构,包括图像函数和关联集合。低层图像基元:Marr的要素图中“提出”。一个图像基元是由半环描述的具有d度关联结构的图像块。当两个半环匹配时两个基元就连在一起了。图像基元可 阅读全文
posted @ 2014-01-10 09:52 Sweet Smile 阅读(995) 评论(0) 推荐(0) 编辑
  2014年1月9日
摘要: 1)图像理解的研究内容主要包括:场景中目标的识别;场景描述与理解。目标识别是为了场景的描述,是场景描述与理解的基础,具有主动性;场景描述与理解又反过来为目标识别提供先验信息,指导目标识别,是一个融合和反馈的过程。若将语义分析和关系描述融入图像理解中,则图像理解细分为:场景中目标的识别,场景中目标间的关系,场景描述与理解,图像语义描述与推理。2)场景中目标的识别区别于传统计算机视觉领域的目标识别,它需要场景描述的先验知识作为指导,强调在场景中进行识别,具有主动性。(有更多的条件或约束,能更好的识别。)另外场景中的目标识别与人类视觉注意机制也有很密切的关系。注意对应“where”通道,而识别对应& 阅读全文
posted @ 2014-01-09 15:56 Sweet Smile 阅读(1127) 评论(0) 推荐(0) 编辑