期刊文献+
共找到14篇文章
< 1 >
每页显示 20 50 100
“不是……吗?”反诘问句的前后景功能 被引量:6
1
作者 胡建锋 《当代修辞学》 CSSCI 北大核心 2011年第3期42-47,共6页
"不是……吗?"反诘问句所针对的对象或事件可以来自记忆、现场和话语上文。针对记忆中的对象或事件提问时提供的是已知信息,通常实现后景功能,在一定条件下可以实现前景功能。针对现场、话语上文两种对象或事件提问时提供的... "不是……吗?"反诘问句所针对的对象或事件可以来自记忆、现场和话语上文。针对记忆中的对象或事件提问时提供的是已知信息,通常实现后景功能,在一定条件下可以实现前景功能。针对现场、话语上文两种对象或事件提问时提供的是新信息,主要实现前景功能,一定条件下可以实现后景功能。 展开更多
关键词 “不是……吗?”反诘问句 已知信息 即时信息 话语即时信息 前后景
下载PDF
改进的二阶总广义变分图像前后景分割模型 被引量:1
2
作者 孔晓然 朱华平 《计算机工程与科学》 CSCD 北大核心 2019年第5期865-872,共8页
针对总变分TV图像前后景分割模型易导致阶梯效应的缺陷,提出了二阶总广义变分TGV图像前后景分割模型。为进一步提升图像分割质量,在TGV前后景分割模型的正则项中引入边缘指示函数,使其在图像边缘区域减弱扩散,较好地保护边缘;在图像平... 针对总变分TV图像前后景分割模型易导致阶梯效应的缺陷,提出了二阶总广义变分TGV图像前后景分割模型。为进一步提升图像分割质量,在TGV前后景分割模型的正则项中引入边缘指示函数,使其在图像边缘区域减弱扩散,较好地保护边缘;在图像平滑区域增强扩散,有效地消除噪声。为突出前景信息,用矩形框标出图像的前景信息,对框内部、外部和边缘的像素做距离映射,并根据能量最小化原则,在二阶TGV模型的数据项中引入此距离映射函数,使模型总能量更小。最后,提出了一种有效的原始对偶分割算法来求解模型。实验表明,新模型不但能够去除阶梯效应现象,保持图像的边缘信息,还使得模型总能量更小,分割得到的图像视觉效果更好。 展开更多
关键词 前后景分割 总广义变分 边缘指示函数 矩形框 阶梯效应
下载PDF
基于光场图片的前后景自动分割算法研究
3
作者 徐小杰 柳畅 《电子设计工程》 2019年第4期136-139,145,共5页
针对光场相机图片的前后景自动分割算法研究,采用了恢复光场相机图片深度图,结合RGB图和深度图两者的优点,然后使用图割算法,实现了光场图片前后景自动分割。首先计算光场图片的深度图且对光场图片的RGB图进行超像素处理,然后依据深度... 针对光场相机图片的前后景自动分割算法研究,采用了恢复光场相机图片深度图,结合RGB图和深度图两者的优点,然后使用图割算法,实现了光场图片前后景自动分割。首先计算光场图片的深度图且对光场图片的RGB图进行超像素处理,然后依据深度图确定可信的前后景区域和模糊区域,接着对可信的前后景区域进行K-means聚类,最后使用图割算法自动分割光场图片前后景。由于使用了深度图,文中不需要任何用户交互的先验知识,即能有效地自动分割光场图片前后景。大量的实验显示了我们自动分割算法的有效性。 展开更多
关键词 光场 前后景分割 图割 超像素
下载PDF
叙事篇章中存现句的前后景转化 被引量:5
4
作者 李挺 《当代修辞学》 CSSCI 北大核心 2010年第6期14-23,共10页
本文在前人研究基础上,提出了"绝对前/后景"和"相对前/后景"两组概念,区分了小句在叙事语篇中充当前/后景的常态与非常态,两者之间互成反比关系,且可由"绝对前/后景"向"相对前/后景"转化,转化... 本文在前人研究基础上,提出了"绝对前/后景"和"相对前/后景"两组概念,区分了小句在叙事语篇中充当前/后景的常态与非常态,两者之间互成反比关系,且可由"绝对前/后景"向"相对前/后景"转化,转化的条件遵循"时间链原则"。提出"后景性"概念用以衡量小句充当绝对前/后景的倾向性,这由小句自身的句法语义特征决定。在这些概念原则下进而对存现句的下位小类进行了分析,得出:存在句具有高后景性,不能独立完成向相对前景的转化,只有借助有界的即时性意象动词才能实现转化;隐现句也具有较高的后景性,但相对于存在句则较低,因而在叙事篇章中充当相对前景的几率也相对较高,只要处在事件发展的时间链中即可完成向相对前景的转化。 展开更多
关键词 绝对/后景 相对/后景 后景 时间链原则
下载PDF
基于Lab颜色空间纹理特征的图像前后景分离 被引量:11
5
作者 杨超 刘本永 《激光与光电子学进展》 CSCD 北大核心 2019年第12期51-56,共6页
针对图像前后景分离的传统算法需要人机交互且分离效果差、效率低和种子点选取难等问题,提出了基于Lab颜色空间纹理特征的图像前后景自动分离算法。对图像进行分块,并将图像转换到由国际照明委员会(CIE)制定的CIE Lab颜色空间;然后提取... 针对图像前后景分离的传统算法需要人机交互且分离效果差、效率低和种子点选取难等问题,提出了基于Lab颜色空间纹理特征的图像前后景自动分离算法。对图像进行分块,并将图像转换到由国际照明委员会(CIE)制定的CIE Lab颜色空间;然后提取各图像子块的颜色和纹理特征,选取种子点;最后采用区域生长算法得到分割图像,采用区域合并改善过分割现象。结果表明,所提算法的分离结果较好,处理时间和算法复杂度较传统算法更优。 展开更多
关键词 图像处理 图像前后景分离 区域生长 区域合并 图像子块
原文传递
在线视频会议虚拟背景人物融合工具设计与实现
6
作者 张艺浩 刘可 金鑫 《北京电子科技学院学报》 2023年第2期143-151,共9页
虚拟背景是一种基于前后景分离技术的运用,该技术的目的是在带有人像的图片中将人物与背景分离出来,并用新的背景替换原背景。本文在此基础上研究并应用了重光照技术使新的背景与人像的光照强度和方向等光照参数融合,以达到图像和谐化... 虚拟背景是一种基于前后景分离技术的运用,该技术的目的是在带有人像的图片中将人物与背景分离出来,并用新的背景替换原背景。本文在此基础上研究并应用了重光照技术使新的背景与人像的光照强度和方向等光照参数融合,以达到图像和谐化的效果。该技术目的运用在视频会议的虚拟背景功能中,实现参会人与虚拟背景在光照效果上保持一致,以达到融合的效果。 展开更多
关键词 虚拟背景 前后景分离 重光照
下载PDF
设景机制与语篇难度级差之关联 被引量:3
7
作者 田然 《语言与翻译》 CSSCI 2017年第1期10-15,共6页
以往语篇难度的判定多依托词汇、句法等级大纲及连贯与否的主观界定。我们通过对成人、儿童语篇的统计分析后发现:前后景设置与语篇难度等级呈现出有趣的关联。低难度儿童语篇中前景凸显;高难度成人语篇中,后景设置方式多样并凸显,成为... 以往语篇难度的判定多依托词汇、句法等级大纲及连贯与否的主观界定。我们通过对成人、儿童语篇的统计分析后发现:前后景设置与语篇难度等级呈现出有趣的关联。低难度儿童语篇中前景凸显;高难度成人语篇中,后景设置方式多样并凸显,成为区别于儿童语篇的显著标志。后景设置的方式既有结构性的如反指零形主语,也有非结构性的如整段插入式,并具有提升语篇衔接力、增强语篇层次性、小句排列更多样化等功能。因而,景的设置,可以作为判别语篇难度级差的一个维度标准。 展开更多
关键词 设景机制 前后景 语篇难度级差 及物性 关联
下载PDF
基于目标轮廓增强的GrabCut图像分割方法 被引量:5
8
作者 杨国萍 刘本永 《软件》 2020年第2期28-32,共5页
针对传统GrabCut算法需要人工初始化而引起图像分割效率低的问题,结合目标轮廓增强技术,提出一种自动GrabCut算法。首先对图像进行谱残差计算,以获取目标轮廓增强的视觉显著图;其次,对显著图进行预分割并通过快速连通区域分析进行前景... 针对传统GrabCut算法需要人工初始化而引起图像分割效率低的问题,结合目标轮廓增强技术,提出一种自动GrabCut算法。首先对图像进行谱残差计算,以获取目标轮廓增强的视觉显著图;其次,对显著图进行预分割并通过快速连通区域分析进行前景估计并获取掩膜,将获取的掩膜代替人工交互初始化GrabCut算法,最后实现自动分割。实验结果表明,该方法克服了手动的缺点,并在处理前后景颜色相似的图像时,分割结果要优于传统方法。 展开更多
关键词 图像前后景分离 GrabCut算法 显著图 轮廓增强
下载PDF
关系化的语篇功能研究——兼论关系从句的再分类
9
作者 朱长波 《湖南工业大学学报(社会科学版)》 2014年第2期138-141,共4页
在对关系从句结构(即关系从句+核心名词)的研究中,存在一种广泛的结构主义倾向,即只看到其NP属性,相应地也只注意其指称功能。本文认为,关系从句结构在实施指称功能的同时,也间接地表达了一个命题,即兼有述谓功能;继而在语篇范围内对其... 在对关系从句结构(即关系从句+核心名词)的研究中,存在一种广泛的结构主义倾向,即只看到其NP属性,相应地也只注意其指称功能。本文认为,关系从句结构在实施指称功能的同时,也间接地表达了一个命题,即兼有述谓功能;继而在语篇范围内对其功能进行考察,得出结论:关系化可以提高话题的连续性,同时也是合理配置前后景的一种结构手段。文章最后以指称和述谓为纵轴、以核心名词的指称特点和关系从句的属性为横轴对关系从句作了再分类。 展开更多
关键词 关系化 话题连续性 前后景结构 再分类
下载PDF
篇章语法视阈下的伴随关系小句研究
10
作者 渠默熙 《齐齐哈尔大学学报(哲学社会科学版)》 2020年第10期128-132,140,共6页
伴随指某个动作或者事件与核心谓语所示事件同时发生或存在,或某个个体与主要个体同时参与某个事件的发生或发展。伴随关系小句呈现出由伴随事件向主要事件过渡、小句叠加后事件性由弱到强分布等句法特征。原因是在遵循BFP原则前提下,... 伴随指某个动作或者事件与核心谓语所示事件同时发生或存在,或某个个体与主要个体同时参与某个事件的发生或发展。伴随关系小句呈现出由伴随事件向主要事件过渡、小句叠加后事件性由弱到强分布等句法特征。原因是在遵循BFP原则前提下,言者可使小句内嵌降低某些事件权重,且体标记“了”对分布环境存在选择。 展开更多
关键词 小句 伴随关系 前后景 事件性
下载PDF
CSL二语学习者汉语语篇小句设景机制研究
11
作者 田然 《对外汉语研究》 2023年第2期13-24,共12页
汉语作为第二语言学习者在初级阶段习得语篇时,设景情况是前景凸显。随着汉语水平的提高,后景及其设置形式开始丰富。中介语语篇平铺直叙问题与二语习得者设景能力有关联,设景情况可以揭示二语习得者语篇难度及汉语水平,两者呈现出正相... 汉语作为第二语言学习者在初级阶段习得语篇时,设景情况是前景凸显。随着汉语水平的提高,后景及其设置形式开始丰富。中介语语篇平铺直叙问题与二语习得者设景能力有关联,设景情况可以揭示二语习得者语篇难度及汉语水平,两者呈现出正相关。体标记“了”等作为设景手段,对二语习得者依旧是习得难点,即使到汉语水平高级阶段,也应是教学中需特别关注的问题。 展开更多
关键词 二语学习者 设景机制 前后景 语篇难度
原文传递
嗜酸性粒细胞胃肠炎病理切片的计算机辅助诊断 被引量:2
12
作者 万真真 李春雪 +2 位作者 刘芳 张绍永 韩帅 《激光与光电子学进展》 CSCD 北大核心 2020年第20期345-352,共8页
嗜酸性粒细胞胃肠炎(EG)是一种以外周血嗜酸性粒细胞(EOS)增多为特征的胃肠道疾病,其主要诊断依据为消化道黏膜标本病理切片中嗜酸性粒细胞的数目是否超标。利用计算机图像分析算法对病理切片图像中的嗜酸性粒细胞进行识别并计数,旨在... 嗜酸性粒细胞胃肠炎(EG)是一种以外周血嗜酸性粒细胞(EOS)增多为特征的胃肠道疾病,其主要诊断依据为消化道黏膜标本病理切片中嗜酸性粒细胞的数目是否超标。利用计算机图像分析算法对病理切片图像中的嗜酸性粒细胞进行识别并计数,旨在辅助病理医生人工计算EOS的数目,减少医生的工作量,提高工作效率。采用鲁棒性较强的分水岭算法作为识别EOS的核心算法,并通过距离变换和前后景标记的改进算法解决传统分水岭算法中的过分割问题,提高识别计数的准确性。采用改进分水岭算法对EG病理图像中的EOS进行识别计数,并将其与病理医生的金标准进行比对。改进分水岭算法的平均准确率为95.0%。与传统算法相比,改进算法准确率的相对标准方差由5.8%提高到2.2%,过分割率由13.4%降低为3.7%,算法的运行时间由40 s缩短为27 s左右。 展开更多
关键词 医用光学 计算机辅助诊断 病理切片 嗜酸性粒细胞 分水岭 过分割 前后景标记
原文传递
图片处理爱好者的首选软件之提高篇
13
作者 李洁星 《品牌》 2014年第11期172-172,共1页
通过上篇的学习你已入图片处理之门,这一篇是提高篇。这里所说的"高"并不是学习难度高,而是技巧高级,制作出的图片精美,给人以高深的感觉。许多"Photoshop"的常用功能,在"i See图片专家"中都有体现。
关键词 抠图换背景 改头换面 收缩模糊 前后景模糊 动态图片 广告制作
原文传递
英汉下指功能新解——兼评van Hoek(1997)的回指理论模式 被引量:4
14
作者 余泽超 《外语教学与研究》 CSSCI 北大核心 2011年第2期197-208,319,共12页
本文以自建英汉平行语料库为根据,探讨叙事语篇中第三人称代词下指问题。基于对-ing为首下指式的综合分析,揭示了以van Hoek(1997)为代表的现有回指理论的局限,提出了将原先代词下指(P+N)扩展为两式(新增零代词下指式,Φ+N/P)的必要性... 本文以自建英汉平行语料库为根据,探讨叙事语篇中第三人称代词下指问题。基于对-ing为首下指式的综合分析,揭示了以van Hoek(1997)为代表的现有回指理论的局限,提出了将原先代词下指(P+N)扩展为两式(新增零代词下指式,Φ+N/P)的必要性。分析表明:除了顾及名、代(Φ、P、N)之间的主题关系,还需重视小句之间的语义关联;前者可用可及性、主题延续性来描述,后者需以象似性、动作延续性来解释。从单看主题到兼顾主题与事件,本文以时间语义与认知理据为基础,对下指现象的功能新解,特别是对Φ+N/P构式中前后景关系的界定,有利于构建英汉对比研究之基础。 展开更多
关键词 下指 VAN Hoek(1997) 主题延续.动作延续 -后景组合关系
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部