马克斯·韦伯是谁？

Posted 2023-04-13

参考技术A 马克斯·韦伯（德语：Max Weber，1864－1920），德国著名社会学家、政治学家、经济学家、哲学家，是现代一位最具生命力和影响力的思想家。韦伯曾于海德堡大学求学，在柏林大学开始教职生涯，并陆续于维也纳大学、慕尼黑大学等大学任教。对于当时德国的政界影响极大，曾前往凡尔赛会议代表德国进行谈判，并且参与了魏玛共和国宪法（Weimarer Verfassung）的起草设计。是同泰勒和法约尔同一历史时期，并且对西方古典管理理论的确立做出杰出贡献，是公认的古典社会学理论和公共行政学最重要的创始人之一，被后世称为“组织理论之父”。弟弟为德国另一位著名的经济学家阿尔弗雷德·韦伯。
1864年4月21日，马克斯·韦伯生于德国图林根的埃尔富特市，不久举家迁至柏林。他的父亲是出身于威斯特伐利亚纺织业实业家兼批发商家庭的一位法学家，是当地知名的政治家，其父亲的职业为家庭营造了良好的政治氛围，青年时代的韦伯便在他的父母亲的客厅里结识了当时知识界和政界的许多杰出人士，如狄尔泰、莫姆森、聚贝尔、特赖奇克和卡普等人。在1882年韦伯进入了海德堡大学的法律系就读。和他父亲一样，韦伯选择以法律作为主要学习领域，并且也加入了他父亲读大学时的曾经加入的社团。除了法律的学习外，年轻的韦伯也学习了经济学、中世纪历史、神学。此外他还在斯特拉斯堡加入德国国防军服役了一小段时间。
1882年进入海德堡大学学习法律，1883年在斯特拉斯堡服兵役一年，1884年的秋天，韦伯回到老家以后就读于柏林大学，在接下来8年里，除了曾至哥廷根大学就读一个学期并且又服了短期的兵役外，韦伯一直都待在柏林研究深造。韦伯与双亲住在一起，除了继续学业外，韦伯也担任实习律师，最后则在柏林大学担任讲师。韦伯在1886年通过了律师“实习阶段”（Referendar）的测验，成为实习法官。在十九世纪八十年代后期，韦伯继续他对历史的研究。在1889年完成了一篇标题为“中世纪商业组织的历史”的博士论文，取得了他的法律博士学位。两年后，韦伯写下了一本名为《罗马的农业历史和其对公共法及私法的重要性》的书，完成了他的教授资格测验（Habilitation），韦伯也因此成为正式的大学教授。
在韦伯即将完成博士论文的那一年里，韦伯也开始对当时的社会政策产生兴趣。在1888年他加入了一个名为“社会政治联盟”（Verein für Socialpolitik）的团体，这个专业团体成员大多是当时隶属经济历史学派的德国经济学家，他们将经济视为是解决当时广泛社会问题的主要方法，并且对当时的德国经济展开大规模的统计研究。在1890年，联盟成立了一个专门的研究计划，以检验当时日趋严重的东部移民问题（由于当时德国劳工逐渐迁往快速工业化的德国城市，大量外国劳工迁徙至德国东部的农村地区）。韦伯负责这次研究，并且写下了许多调查结果。最后的报告得到良好评价，被广泛认为是一篇杰出的观察研究，也因此巩固了韦伯身为农业经济专家的地位。

局部描述符韦伯局部描述符(Weber Local Descriptor,WLD)

　　韦伯局部描述符(Weber Local Descriptor,WLD)是一种纹理特征描述符，广泛用于纹理分类 、目标检测、人脸识别、图像篡改检测领域。

一、韦伯定律　　

　　在黑色的纸上用白色的笔写字比用深色的笔写字更容易被看清，这是因为这种刺激达到了一定的阈值，从而引起了我们的感官刺激。韦伯定律是反映心理量和物理量之间关系的定律，它表明能够引起感觉差异的差别阈值与原始刺激的强度之比是一个常量，即：

其中k称作韦伯比是一个常量，ΔI表示差别阈值，I表示原始刺激的强度。由此可以推知，刺激的变化所引起的感觉差异不仅与刺激变化的大小有关，还与原始刺激的强度有关。局部图像描述符WLB就是根据该定律提出的，它包含两个算子：差分激励算子和方向算子。WLD计算除边缘像素点外的每个像素点的差分激励和方向，并以其二维分布直方图来联合表征图像的纹理特征。

二、WLD

　　WLD由两部分组成：差分激励（differential excitation）和方向（orientation）。

1.差分激励

　　差分激励反应窗口内中心像素与邻域像素之间强度的关系，由中心像素与邻域像素之间强度的差值和中心像素的强度组成。差分激励ξ(xc)表示如下：

 

其中，xc表示当前中心像素的强度，xi表示邻域像素的强度，i=0...P-1，P表示邻域数量。

2.方向

　　方向反应窗口内强度变化的空间分布信息。通过局部窗内水平方向与垂直方向上邻域像素点的灰度差值比值的反正切变换来描述。方向Φ(xc)表示如下：

其中DV表示垂直方向上中心像素两侧邻域的强度的差值，DH表示水平方向上中心像素两侧邻域的强度的差值。比如在3*3窗口内：

x0	x1	x2
x7	xc	x3
x6	x5	x4

则DV=x5-x1，DH=x7-x3。

　　为了能够更加有效的区分局部窗口的灰度分布变换，将方向变换如下：

3.WLD直方图

　　二维直方图如上图所示，横轴表示方向，纵轴表示差分激励。每个小矩形表示在该方向下所在差分激励区间像素的数量，数量不同，颜色不同。WLD采用均匀量化技术，将方向Φ(xc)均匀地量化为T个方向，将差分激励均匀地划分为M个频段，分别对应于图像中的高频、中频和低频变化，再将划分的每个频段上将差分激励均匀地量化为S格，形成一个T×C=T×(M×S)的二维直方图，并通过编码将其转化为一维向量用于表示图像的纹理特征。

 

1、在每个主方向上差分激励子直方图，得到H0至H(T-1);

2、将H(k)分成M个子区间，即l(m),m=0,...,M-1,将H(k)中的l(m)对应放置在t=k和m=i处；（想象一下矩阵的转置）

3、将m=i的一行子直方图拼接成一个直方图，即H(i)；

4、将H(i)组合成一个直方图，即WLD直方图。

 

参考博客：http://www.cnblogs.com/zyly/p/9570376.html