B B蓝 blue的缩写。 B2DPCA双向2D主分量分析 bidirectional 2DPCA的缩写。 backcoupled perceptron后向耦合感知机 非前向耦合的感知机。即在其第n层有处理器将输出反馈回来，作为第n层前若干层的处理器的输入。 back face culling背面剔除 丢弃不必显示的、被遮挡的部分，以加快处理速度的方法。 back focal length［BFL］后焦距 对厚度不能忽略的厚透镜，或由多片透镜或面镜组成的镜头组，从最后镜头的最后一个表面到第2个焦点(图像平面)的距离。 background背景 图像工程中，场景中处于感兴趣目标后面(距离较远)的区域，或图像中源于场景中关注对象之外的像素集合。背景与前景相对，常在目标分割和识别工作的前后文中使用。比较foreground。参阅figure/ground separation。 background estimation and elimination背景估计和消除 利用灰度图像数学形态学运算提取目标并去除背景的方法和过程。设f(x,y)是输入图像； b(x,y)是结构元素(本身也是一幅子图像)。背景估计和消除可用不同操作实现。 利用开启操作可将比背景亮且比结构元素尺寸小的区域除去。所以通过选取合适的结构元素进行开启可使图像中仅剩下对背景的估计； 如果再从原始图像中减去对背景的估计(消除背景)就可将目标提取出来，如下两式所示： 背景估计=fb 背景消除=f-(fb) 其中，代表开启的算子。 利用闭合操作可将比背景暗、比结构元素尺寸小的区域除去，所以通过选取合适的结构元素进行闭合同样可使图像中仅剩下对背景的估计； 如果再将原始图像从对背景的估计中减去(消除背景)，也可将目标提取出来，如下两式所示： 背景估计=fb 背景消除=(fb)-f 其中，代表闭合的算子。 background flattening背景平坦化 消除背景上的不规则起伏，可借助灰度图像数学形态学的操作来实现。 background labeling背景标记(方法) 将图像前景中的目标区分开，或将感兴趣部分与背景部分区分开的过程和方法。 background modeling背景建模(方法) 1. 将场景中处于感兴趣目标后面的部分模型化为固定的或缓慢变化的背景，以进行分割或镜头检测的方法。每个像素均模型化为一个分布，用于确定所给的区域是否属于背景或遮挡目标。 2. 一种进行运动检测的框架。可以用不同技术来实现，所以也看作是一类运动检测方法的总称。为进行运动检测，需要发现场景中的运动信息。计算差图像是一种简单快速的运动信息检测方法，但受光照变化、摄像机晃动等影响较大。为此需要计算和保持一个动态(满足某种模型)的背景帧，通过将各个拟检测帧与之比较来检测运动，这就是背景建模的基本框架。 background motion背景运动 由拍摄中的摄像机自身运动所造成的序列图像内所有对应背景点的整体移动。又称全局运动或摄像机运动。 background normalization背景归一化 利用图像技术估计背景图像，然后用原始图像减去或除以背景图像以消除背景影响。当背景不是均匀的时候，背景归一化很有用。 background plate背景板 在视频抠图中，将前景目标移去后剩下的部分。将其对齐后可组成对背景的高质量估计。 background replacement背景替换 在保持前景的基础上，改变不同图像或视频帧中的背景。 z抠像是一种常用的技术。 background subtraction背景相减 一种运动(信息)检测方法。利用了图像减法，通过将没有运动目标(只有背景)的图像从有运动目标(前景)的图像中减去来检测运动目标。方法比较简单，但容易产生误检。 也是一类对背景建模的方法。很多行人跟踪系统的第一步是对背景建模以提取移动的前景目标(对应行人的剪影)，而最简单的方法就是通过背景相减来进行的。通过比较有行人与无行人的图像来发现和定位行人。更复杂的方法不仅对背景建模，还对前景目标进行统计。 通过将属于图像背景的像素值从图像前景区域中减去就可以将前景区域与背景区域区分开。这里的图像背景常使用背景建模方法获得。图B1给出视频中的一帧以及利用背景相减而从中获得的运动前景目标(白色)。 图B1背景相减示例 back light背光，背面光 光源与摄像机位于目标两侧时的照明光，即由位于被成像物与摄像机相对侧的光源发出的光线。对成像过程这是入射光。比较front light。 back lighting背光(照明) 一种为成像而将光源安置在用来拍摄目标的相机的对立面的照明安排，即光源和相机在目标的两边。根据这种对场景的照明方法，背景将比前景接受更多的照明。借此有可能获得带有成像目标和黑白侧影的图像。常用在背景较亮的情况下以获得不透明目标的剪影来简化目标检测。也常用于机器视觉系统以获得精确的几何测量。例如在对火花塞间隙尺寸的测量中要使用并行的背光照明以得到尖锐边缘的图像。比较front lighting。 backporch后沿 信号的下降沿。例如CCIR将一幅画面用两场隔行传输，先奇数行，后偶数行。每行都由包含水平同步信息的水平消隐间隔和包含实际画面信息的行有效间隔组成。而水平消隐间隔包括三部分： 消隐前沿，水平同步脉冲，消隐后沿。 backprojection反投影，逆投影 1. 一种以不正对观察者的侧光将半透明屏幕照亮的显示形式。 2. 从2D投影计算其3D原始量。例如，2D点x由3D点X通过透视投影矩阵 P得到，x= PX。对2D齐次点x的反投影是3D线(null(P)+ λP+x)，其中P+是P的伪逆。 3. 有时与三角测量交替使用。 4. 从覆盖不同角度下切面的密度剖面计算衰减系数的技术。用于CT和MRI，以便从本质上使用2D图像来恢复3D信息。参阅image reconstruction from projection。 5. 将对目标估计出的3D位置投影回2D图像，从而估计目标的位姿的过程。 backprojection filtering反投影滤波(技术)，逆投影滤波(技术) 参阅filter of the backprojections。比较filtered backprojection。 backprojection of the filtered projection滤波投影的反投影，滤波投影的逆投影 同filtered backprojection。 backprojection reconstruction反投影重建(法)，逆投影重建(法) 从投影重建图像的多种方法之一。原理是将从各个方向对一个目标得到的投影结果逆向返回到该目标在此方向上的各个位置。如果对多个投影方向中的每个方向都进行这样的反投影，就可以建立平面上的一个分布而获得重建的目标图像。 backprojection surface反投影表面 在相机的成像面上，由场景形成的一种上下颠倒的图像。 backpropagation反向传播，逆传播 有监督学习中研究最多的神经网络训练算法之一。因将在网络输出端的计算响应和期望响应之差传播返回网络输入而得名。这种差只是网络加权重计算过程的输入之一。 一种对前馈神经网络评估误差函数的梯度的有效方法。一个局部消息传递框架，其中信息交替地向前或向后通过网络。也称误差反向传播。 backpropagation neural nets反向传播神经网络 一种典型的神经网络，将网络的输出与期望的输出进行比较，并基于平方差的和来计算误差测度。然后通过改变网络的权重，使用梯度下降方法来最小化误差测度。如果设训练集的样本为 ti，实际的输出为xi，期望的输出为yi，则误差为 E=∑i∑j(xij-yij)2 算法迭代地更新期望值(k为更新的迭代次数)： yij(k+1)=yij(k)-eEyij backside reflection背反射 光与物质的相互作用方式之一。它由入射光在两个透明介质的分界面上产生，会导致重影。 backtracking返回追踪(技术)，反向跟踪(技术)，回溯(技术) 原指在一个链或序列中，逆向传播一个消息。在图像工程中，指一种图搜索的基本技术。在搜索中，如果到达一个终结但非解的结点，搜索并不停止且报告失败，而是继续探索上一个访问过的非终结结点的尚未探索过的孩子结点。传统的回溯算法包括宽度优先、深度优先、 A*算法。参阅graph，graph searching，search tree。 backup备份 对图像制作一个完整准确的镜像副本的过程。 backward difference后向差分 一种计算一阶差分的方法，利用相邻两个像素值的差来计算一阶差分。如仅考虑水平方向，后向差分可表示为f(x)-f(x-1)。比较forward difference。 backward kinematics后向运动学，后向动力学 参阅forward kinematics。 backward mapping后向映射(技术) 在对图像进行几何校正时实现灰度插值的一种方案。也称目标到源的映射。把原始不失真图像中像素的灰度赋给实际采集的失真图像中的像素(即把灰度从原始的不失真图中映射到实际采集的失真图像中)。在这种映射中，失真图像中的坐标是不失真图像中坐标的函数。与前向映射相比，后向映射的映射效率较高，所以用得更为广泛。 backward motion estimation后向运动估计 运动估计中，锚帧时间上处在目标帧之前的情况(即用后一时间的运动信息去判断前一时间的运动情况)。 backward pass反向扫描 在距离变换中，串行实现算法时，从图像右下角向左上角进行的第二次扫描。比较forward pass。 backward problems反向问题 参阅forward problems。 backward zooming缩小镜头 同zoom out。 BAD有偏各向异性扩散 biased anisotropic diffusion的缩写。 bagging集成； 引导聚集 1. 集成： 一种系综学习方法，其中系综集合的最终结果是结合的结果。集成有两种情况： 在分类中采用多数投票的方式； 在回归中采用求均值的方式。 2. 引导聚集： 同bootstrap aggregation。 bag of detectors检测器包 一种由系综学习驱动的目标检测方法，其中使用了一组独立训练的检测概念(检测器)，它们可以是相同的类型(如随机森林)。将从这组检测器得到的各个结果利用集成或自举的方式组合起来以产生最终的检测结果。 bag of features特征包 一种通用的特征表达方法，其中一组高维的特征描述符(如SIFT或SURF)通过量化编码为一组在相同维空间中具有确定性的无序码字。这个量化集合记为包含视觉词或视觉码字的码本(或字典)。这些量化特征在一个给定的采样图像中出现的频率(可用直方图表示)常用来作为推广的目标检测、目标识别、场景分类方法中分类器的输入。 bagoffeatures model特征包模型 词袋模型引入图像领域后的名称。由类别特征(feature)归属于同类目标集形成包(bag)而得名。即原始模型的成分(词汇)改称为特征(视觉词汇)。通常采用有向图的结构形式(无向图结点之间是概率约束关系，有向图结点之间是因果关系)。图像与视觉词汇之间的条件独立性是该模型的理论基础，但其中没有目标成分的几何信息。 原始的词袋模型仅考虑词语对应的特征之间的共生关系和主题逻辑关系，忽略了空间关系。但在图像工程中，图像特征本身与其空间分布都很重要。近年有许多特征描述符(如SIFT)有较高的维数，可以较全面地和显式地表达图像中关键点及其周围小区域的特殊性质(与仅表达位置信息而将本身性质隐含表达的角点不同)，并与其他关键点及其周围小区域有明显区别； 而且这些特征描述符在图像空间中可以互相重叠覆盖，从而可以较好地保全相互关系性质。这些特征描述符的使用及结合提高了对图像在特征空间中分布的描述能力。 bag of words词袋 也称特征袋或关键点袋。可指一种简单的分类识别算法。流程如图B2所示，首先检测关键的图像片(以关键点为中心的小区域)，从中提取目标特征，然后量化以得到在学习过的视觉词(特征聚类中心)上的分布(常用直方图表示)，利用分类算法借助这个分布而学习出一个决策表面并进行分类。参阅bag of features。 图B2基于词袋的分类流程 bagofwords model词袋模型 一种源于自然语言处理的模型。引入图像领域后也常称特征包模型。可以描述目标和场景的联系，常用于图像和视频分类。 balanced filter平衡滤波器 用来指示一类滤波器的一般术语。对采样在空间、时间或频率方向上都给予相同的权重。典型的例子如高斯平滑、均值滤波、低通滤波等。与此相对应的非平衡滤波器(如双边滤波器)则看作是自适应的。 balance measure平衡测度 在基于直方图凹凸性的阈值化中，为判断取阈值分割方法里阈值选取的效果而提出的一种测度。当图像受到噪声影响时，其直方图中会产生一些虚假凹点(谷点)，几乎所有的直方图统计都在凹点的一边，而另一边几乎没有。假设对直方图所构建凸包的下限为K而上限为L，对上下限之间的每个灰度i计算： E=∑i-1j=Kh(j)∑Lj=ih(j) 当i=K或i=L时E为零，而当i是直方图的中值时E取最大值，所以是对以i为中心的直方图的一个平衡测度。在虚假凹点处，E值很小，这样就可将在虚假凹点处的凸残差极大值消除掉。 ballooning energy膨胀能量 主动轮廓模型中的一种内部能量函数，可作用在闭合的初始轮廓上，以强制轮廓在没有外来影响的情况下扩展或收缩。 band带 电磁频谱中一段波长的范围。在这个范围中，用来获取图像的传感器具有非零的敏感度。典型的彩色图像包含3个颜色带。 banding条带化 由于表达图像的位数不够，有些过渡灰度(色阶)显示不出来而产生的一种失真。 bandpass filter带通滤波器 实现带通滤波的频域滤波器。允许两个特定频率之间的信号通过，但阻止其他频率信号通过。滤波特性由其传递/转移函数确定。带通滤波与带阻滤波互补，所以带通滤波器的传递函数Hbp(u,v)可由带阻滤波器的传递函数Hbr(u,v)按下式算出： Hbp(u,v)=1-Hbr(u,v) bandpass filtering带通滤波(技术) 一种允许图像中一定范围的频率分量通过而阻止其他范围的频率分量的频域滤波技术。如果这个频率范围的下限是0而上限不为∞，则成为低通滤波。如果这个频率范围的上限是∞而下限不为0，则成为高通滤波。 bandpass notch filter带通陷波(滤波)器 允许一定范围内的频率分量通过的陷波滤波器。 bandpass pyramids带通金字塔 参阅halfoctave pyramids。 bandreject filter带阻滤波器 实现带阻滤波的频域滤波器。滤波特性由其传递/转移函数确定。带阻滤波与 带通滤波互补，所以带阻滤波器的传递函数Hbr(u,v)可由带通滤波器的传递函数Hbp(u,v)按下式算出： Hbr(u,v)=1-Hbp(u,v) bandreject filtering带阻滤波(技术) 一种阻止图像中一定范围内的频率分量通过而允许其他范围的频率分量通过的频域滤波技术。如果这个频率范围的下限是0而上限不为∞，则成为高通滤波。如果这个频率范围的上限是∞而下限不为0，则成为低通滤波。 bandreject notch filter带阻陷波(滤波)器 阻止一定范围内的频率分量通过的陷波滤波器。 bandstop filter带阻滤波器 同bandreject filter。 bandstop filtering带阻滤波(技术) 同bandreject filtering。 bandwidth selection in mean shift均移中的带宽选择 在均移方法中，确定用来控制像素坐标域和像素值域的滤波器核的带宽参数的过程和技术。 bar条，杆，棍，棒 一种原始的基元图，代表一个暗线段在亮背景上(或反过来)。杆也是马尔关于视觉计算理论中的基元。图B3给出在感知场/野中看到的小暗杆。 图B3感知场中的杆 barcode reading条码读取(方法) 用来检测、成像和解释宽度不同的黑色平行线的方法和算法。这些平行线的排列给出了产品或其他对象的细节信息。条码本身有许多种编码标准和排列。图B4给出一个示例。 图B4条码示例 bar detection杆检测 借助杆检测器实现的图像分析操作。 bar detector杆检测器 当一个杆处在其感知场/野中时会产生最大响应的方法或算法。 bar edge杆边缘 平行接近的两个边缘，如细线两边的边缘。 barrel distortion桶形畸变，桶形失真 光学系统中的一种几何镜头失真。有些光学系统为减少非期望的效果会放弃一些几何保真度。桶形失真导致目标的外轮廓曲线向外扩张，呈现桶状。对比pincushion distortion。 Bartlett filter巴特利特滤波器 一种使用分段线性“帐篷”函数的空间滤波器。具有一种特殊的加权平均函数，或者说是分段线性连续的平滑函数(“帐篷”函数)。该滤波器最简单的3×3模板如图B5所示，常被称为双线性核，因为是两个线性(1阶)样条的外积。 图B5巴特利特滤波器的3×3模板 Barycentric coordinates重心坐标，质心坐标 一种用于位置不变几何的方案，其中将点的位置表示成一组控制点的加权和。例如，在三角化网格中，在网格表面的点可描述为包含三角形顶点的加权和。如在图B6中，点X的重心坐标是(a,b,c)，即X= aA+b B+cC。这里A、B、C代表三角形顶点。 图B6三角形的重心坐标 base alignment基线对齐 使一行文字强行对准到一条水平线上，而不考虑或忽略字母的相对尺寸或其他属性。 baseline基线 双目立体成像系统中两个镜头中心(光心)之间的连线； 或多目立体成像系统中任意两个镜头中心之间的连线。基线长度就是中心(光心)之间的距离。 basic belief assignment［BBA］基本信念分配 完全按概率函数定义那样把基本证据赋给所考虑问题的每一个命题的方法。 basic logic operation基本逻辑操作，基本逻辑运算 按基本逻辑符进行的逻辑运算。两个像素p和q之间的基本逻辑运算包括： (1) 补(COMPLEMENT)，记为NOT q(也可记为q-)； (2) 与(AND)，记为p AND q (也可记为p·q)； (3) 或(OR)，记为p OR q(也可记为p+q)； (4) 异或(XOR)，记为p XOR q(也可记为pq)。 图B7给出基本逻辑运算的示例。图中黑色代表1，白色代表0。 图B7基本逻辑运算示例 basic move基本移动 给定邻域空间中从一个像素到其近邻像素的通用移动类型。在N4空间中只有水平移动和垂直移动(均为amove)，在N8空间中增加了对角线移动(bmove)，在N16空间中又增加了马步移动(cmove)。 basic NMF［BNMF］ model基本非负矩阵分解模型 在非负矩阵分解中，仅对基矩阵W和系数矩阵 H施加非负性限制的模型(如非负矩阵分解定义的那样)。BNMF算法构造的基本思想是： 合理地构造目标函数，以此交替地优化W和H，从而得到BNMF的局部最优解。 basic probability number基本可信数 证据推理法中，反映对事件本身可信度大小的一个参数。 basis基 序列展开中展开函数的集合。 basis function基函数 为将函数用序列展开而使用的展开函数。先考虑线性回归，一个函数可表示成输入变量的线性组合： y(x,w)=w0+w1x1+…+wNxN 其中，x=(x1,x2,…,xN)T。这个模型的重要性质是它是参数w1,w2,…,wN的线性函数。它也是输入变量xi的线性函数，但这对模型有明显的限制。为解决这个问题，可通过考虑线性组合输入变量的固定的非线性函数，即(该模型的参数共有M个)： y(x,w)=w0+∑M-1j=1wjj(x) 其中，j(x)是基函数。 basis function representation基函数表达 一种将一个函数表达成一些简单(常正交)函数(称为基函数)之和的方法。借助傅里叶变换来表达函数就是一个典型的例子，其中将函数表示成许多正弦函数和余弦函数的加权和。 basis pursuit基本追踪 压缩感知中的一种基本重构模型。假设矢量x∈RN是一个长度为N的稀疏信号，测量矩阵Φ： RN→RM已知，现要基于很少数量的测量值 y∈RM，M0称为学习率。在每次更新后，对新的权重矢量重新计算梯度，并重复该过程。注意到误差函数是相对于训练集而定义的，所以在每个步骤都需要处理整个数据集以评估E。一次使用整个数据集的技术就称为批训练技术。在每个步骤权重矢量沿误差函数下降率最大的方向移动，所以称为梯度下降法或最速下降法。 BaumWelch algorithm鲍姆韦尔奇算法 同forwardbackward algorithm。 Bayer filter拜尔滤色器 参阅Bayer pattern。