Susan

摘要： It''s SUNDAY today.SUSAN has SOMETHING to do.SHE helps her mom SWEEP the floor.wait…where is the broom?

摘要： Susan Szatmdry出生于巴格达,13岁就会多国语言,在斯德哥尔摩长大,随后在意大利和巴黎生活。

摘要： 美国《倡导艺术教育白皮书》(Advocacy White Papets for Art Education,以下简称《白皮书》)最后—部分标题为《确保所有学生获得优质视觉艺术教育》,选编了苏珊·加伯德Susan Gabbard)、芭芭拉·劳斯(Barbara Laws)二位学者合著的《确保所有学生获得优质视觉艺术教育——从一名视觉艺术教育管理者的视角来看》和美乐蒂·米尔布兰特(Melody Milbrandt)的《公平获得优质艺术教育,重新平衡教育优先事项》两篇文章。

摘要： 针对传统SUSAN角点检测算法不能区分棋盘格内角点和边缘点,以及因曝光过度导致的角点分离问题,本文提出改进的SUSAN角点检测算法.改进算法求取2组不相邻特征方向3像素灰度和差值,配合门限阈值和差阈值,提取角点集合;利用角点集合的对称分布特性确定角点集合的质心坐标作为此位置角点的坐标,坐标值可直接达到亚像素精度.实验表明:本文提出的改进的SUSAN角点检测算法可以有效、快速地提取角点,重投影误差在0.3个像素以内,可用于相机标定.%Since the traditional SUSAN corner detection algorithm can not distinguish inner corners and to solve the edge corners of chessboard,and to solve the problem of corner separation caused by excessive exposure,the improved SUSAN corner detection algorithm is proposed.The improved algorithm can obtain the difference of 3 pixels gray sum between two groups of nonadjacent characteristic directions,combining the threshold and difference threshold to extract the corner set. Moreover,using the symmetric distribution of the corner set to determine the centroid coordinates of the corner set as the coordinates of the corner of the position,and the coordinate values can be directly sub-pixel accuracy.Experiments show that the proposed algorithm can extract corners effectively and quickly,and the reprojection error is within 0.3 pixels.The extraction results can be used for camera calibration.

摘要： 为了研究高分辨率(VHR)卫星图像中人造结构的高精度检测,通过角点描述物体的几何形状.角点不仅是几何图元存在的重要线索.它们对于通过感知分组技术形成像矩形和多边形等更高级的形状也是必不可少的.分析了几个角点检测器,基于Harris探测器和SUSAN探测器对其检测率进行了对比分析,通过ROC曲线分析结果表明了遥感影像角点检测技术应将本地图像以及其他信息图像进行融合分析,能够得到较好的角点检测结果.

摘要： Susan Meiselas被认为是过去40年中最重要的纪实摄影师之一，她1976年成为马格南摄影师，拍摄的题材大都是人权受到侵犯、大规模屠杀等社会问题。作品曾荣获许多国际性大奖．其中包括1982年的徕卡卓越摄影大奖、美国ICP国际摄影中心2005年颁发的年度奖项Infinity Award。

摘要： 如果有可能,我们应该尽早教育孩子们去接受那些性少数群体,尤其是变性人。一本名为《Jack(Not Jackie)》(《杰克(不是杰姬)》)的新书,正试图做到这一点。这本童书由Erica Silverman(埃里卡·西尔弗曼)编写,与GLAAD(美国同性恋者反诋毁联盟)合作创作,讲述了一个名为Susan的女孩必须把对自己妹妹的爱转换到弟弟身上的故事。

摘要： 随着印度贫困家庭越来越多地转向低收费的私立学校，如何提供高质量的教学和提高学生的成绩成为至关重要的问题。在一个试点项目中，Michael＆Susan Dell基金会为印度两家领先的学校财务公司提供一种可变利率贷款，这种财务激励被用以鼓励学校提高教学质量和学习成果。

摘要： 在电影《无问西东》里，张果果是现代都市白领的代表，他的故事平淡得同我们的日常生活一般。他说老板要他说的话，被职场的勾心斗角牵连，接受着“别多管闲事”的教育。他就是平常的我们，我们的平常。在秘书Susan的概念里，张果果提案的行为一定暗含着某种阴谋；在RobeR的概念里，“野心”和“出卖”相辅相成；而David，更是直接愚弄了张果果，让他充当尔虞我诈的牺牲品。

摘要： 本发明提供了一种基于SUSAN角点检测的红外图像匹配方法，包括以下步骤：读取待匹配图像I1和I2，提取自适应阈值T；采用圆形模板遍历扫描图像I1和图像I2，分别计算两张图像像素点(x0,y0)处的USAN面积、角点响应函数值，并采用重心原则抑制虚假角点且记录角点位置信息；选取相似测度NCC来进行粗略的角点匹配；用随机抽样一致性算法RANSAC对粗匹配点对进行筛选优化，得到更加精准的匹配点，完成图像匹配。

摘要： 本发明公开了一种基于改进的SUSAN算子的轿车表面划痕检测算法，包括步骤：读入图像，首先将图像转换为CIELab空间图像，然后使用方向模板计算像素与中心像素的色差，如果色差不大于阈值T，则使用色差均值填补空洞，之后使用圆形模板计算USAN面积，并根据USAN大小，输出轿车边缘，使用轿车模板匹配方式去除边缘轮廓，输出划痕图像。本发明的使用SUSAN算法，减少由于迭代计算带来的时间和空间上的消耗，算法简单直观的完成对划痕的检测，本算法能有效的利用彩色信息，降低漏检率，本算法利用方向性模板判断边缘的方向特征，填补边缘沿方向上的像素缺陷，使划痕检测更加准确。

摘要： 本发明提出一种基于3D‑SUSAN角点算子的三维模型感兴趣点提取方法。本发明首先读取三维模型顶点，并简化模型顶点以及模型网格化，计算每个顶点的曲率。再通过高斯滤波处理每个顶点的曲率，进行去噪处理。接着确定一个中心点并取中心点周围的36个邻居点，若中心顶点与邻居顶点的曲率差小于曲率相似度阈值，则进入下一步；若每个顶点的USAN值小于几何阈值，则该中心顶点就是兴趣点。最后对本发明所提出的基于3D‑SUSAN角点算子提取的三维模型感兴趣点从错误率、缺失率、误差率进行评估。本发明不仅可以提取三维模型兴趣点而且仍保留了SUSAN的抗噪能力强、计算量小效率高、性能稳定的优点。

摘要： 本发明公开一种基于灰度‑3D SUSAN算子两维直方图体可视化方法，步骤为：(1)读入三维体数据，首先计算出体数据中每个体素的3D SUSAN算子，然后计算出灰度‑3D SUSAN算子两维传递函数空间；(2)根据对灰度‑3D SUSAN算子特征空间直方图的理解，设置二维传递函数分类器组件并根据期望的绘制效果做出调整；(3)根据确定的传递函数所赋予每个体素的光学属性值绘制出最终结果。本发明首次将具有抗噪能力的SUSAN算子作为新属性引入到传递函数设计过程中，构造出两维灰度‑3D SUSAN算子传递函数；原理简单，易于实现；更容易设计出合适的传递函数，得到用户满意的绘制图像。

摘要： 本发明涉及基于DT‑SUSAN‑Brute‑Force的图像匹配算法，是一种对灾情图像信息进行匹配的算法，属于图像处理和机器学习领域，其特征在于采用如下步骤：(1)确定4个矩形区域的门限阈值；(2)确定核心点USAN区域面积；(3)确定3像素灰度和；(4)确定亚像素精确化；(5)确定特征点间的欧式距离。本发明克服了传统图像匹配过程中，由于背景环境的改变，导致特征点提取错误、匹配异常的问题，有效的滤除噪声干扰，匹配更加准确，同时引入差阈值算法，结合改进的特征匹配算法，实现自适应阈值设置，消除了曝光过度、图片畸变过大会检测出冗余点的问题。为灾情图像信息匹配领域提供了一种拥有较高匹配准确率的方法。

摘要： 本发明公开了一种基于改进的SUSAN算子的轿车表面划痕检测算法，包括步骤：读入图像，首先将图像转换为CIELab空间图像，然后使用方向模板计算像素与中心像素的色差，如果色差不大于阈值T，则使用色差均值填补空洞，之后使用圆形模板计算USAN面积，并根据USAN大小，输出轿车边缘，使用轿车模板匹配方式去除边缘轮廓，输出划痕图像。本发明的使用SUSAN算法，减少由于迭代计算带来的时间和空间上的消耗，算法简单直观的完成对划痕的检测，本算法能有效的利用彩色信息，降低漏检率，本算法利用方向性模板判断边缘的方向特征，填补边缘沿方向上的像素缺陷，使划痕检测更加准确。

摘要： 基于高斯变换的多尺度SUSAN角点检测方法。现阶段将适合于多尺度分析的小波变换技术引入SUSAN算子，未能很好的解决误检问题。本发明的方法，在图像信息处理模型中引入一个尺度因子σ，通过连续变化尺度参数获得多尺度下的尺度空间表示序列，提取尺度的空间主轮廓特征向量，再利用高斯变换的多尺度特性构建高斯金字塔，获得不同尺度下的分层图像，结合自适应阈值的SUSAN算子检测出不同尺度下的候选角点，再将其还原到原始图像中的相应位置构成候选角点集，最后经小邻域信息筛选获得最终角点。本发明能够准确检测角点并且可以较好地抑制伪角点，尤其适合高斯噪声干扰的图像。

摘要： 本发明提供了一种基于SUSAN角点检测的红外图像匹配方法，包括以下步骤：读取待匹配图像I1和I2，提取自适应阈值T；采用圆形模板遍历扫描图像I1和图像I2，分别计算两张图像像素点(x0,y0)处的USAN面积、角点响应函数值，并采用重心原则抑制虚假角点且记录角点位置信息；选取相似测度NCC来进行粗略的角点匹配；用随机抽样一致性算法RANSAC对粗匹配点对进行筛选优化，得到更加精准的匹配点，完成图像匹配。

摘要： 本发明提出一种基于3D‑SUSAN角点算子的三维模型感兴趣点提取方法。本发明首先读取三维模型顶点，并简化模型顶点以及模型网格化，计算每个顶点的曲率。再通过高斯滤波处理每个顶点的曲率，进行去噪处理。接着确定一个中心点并取中心点周围的36个邻居点，若中心顶点与邻居顶点的曲率差小于曲率相似度阈值，则进入下一步；若每个顶点的USAN值小于几何阈值，则该中心顶点就是兴趣点。最后对本发明所提出的基于3D‑SUSAN角点算子提取的三维模型感兴趣点从错误率、缺失率、误差率进行评估。本发明不仅可以提取三维模型兴趣点而且仍保留了SUSAN的抗噪能力强、计算量小效率高、性能稳定的优点。

摘要： 一种改进SUSAN算子的角点检测方法，包括步骤1、确定SUSAN模板；步骤2、用模板扫描整个图像，对于可能是角点位置的响应点，使用下式产生USAN特征图像R(x,y)：