摘要：
Metric and Non metric methods. 度量方法的特点是feature vector是数值表达的, 且vector与vector之间可以计算距离/相似性. 大部分常见的机器学习算法都是metric methods. 非度量方法则不需要将feature数值化, 也不能/不需要计算 阅读全文
摘要：
intensity梯度值分布跟图片的大小有关, 比如将一张小图片放大后会变得很模糊, 原先清晰的edge, 即大的梯度值变得模糊. 但是原有的边缘通常还是肉眼可分辨的. 但用Sobel 算子可能就检测不出来的. 为了应付不同scale与blur程度图片的边缘检测, 检测算子需要能大能小, 大的用于检 阅读全文
摘要：
之前已经说过, 一阶和二阶导数都可以用来检测边缘(计算梯度值(gradient)), 但二阶导数对噪声更敏感, 所以, 相比而言, 一阶算子在edge detection中用的更广泛, 如Sobel 算子. 检测水平与垂直方向梯度的算子 检测对角线方向梯度的算子 Prewitt算子与Sobel算子都 阅读全文
摘要：
三种edge 1. Step (阶梯) 2. Ramp (坡) 3. Roof 因为噪声的存在, ramp edge是最常见的. 一阶和二阶算子在ramp edge处的表现 一阶和二阶算子对噪声的敏感性 从上自下, 高斯噪声的方差分别为0, 0.1, 1, 10. 所以在进行edge detecti 阅读全文
摘要：
多元函数的二阶导数又称为Laplacian算子: $$ \triangledown f(x, y) = \frac {\partial^2 f}{\partial x^2} + \frac {\partial^2 f}{\partial y^2} $$ 对于图像上的离散$f(x, y)$: $$ \ 阅读全文
摘要：
一阶导数与二阶导数的计算 图像$I$可以看作$(x, y) \in N^2 \to N$的映射: $i = f(x, y)$. 其中$N$为正整数.很明显$f$在定义域上是不连续的. 不连续函数$f(x, y)$的导数, 严格来说不算能算作导数, 只是形式上与真正的导数相似. 取$\Delta x 阅读全文
摘要：
Definition 图像分割将一张图分为$n$个region, 需要满足下面5个条件 1. 每一个像素都要属于一个region 1. 每个region都是连通的 1. region与region之间没有交集 1. region内像素点具有相同的目标性质 1. 不相邻的region的像素点目标性质不 阅读全文
摘要：
[TOC] 大体来说, 可以分为三类. 有监督学习 有输入$x$, 有标签$y$. 学习一个函数$y=f(x)$将$x$映射到$y$. 理论上来说, $y$可以是任意的. 当$y$是不连续的: 称为 分类(Classification) , 或 模式识别(Pattern Recognition) 当 阅读全文
摘要：
三种初等变换 交换行/列 行/列乘以非0数$k$ 一行/列加到另一行/列 初等变换不影响矩阵的秩 初等矩阵 对单位矩阵进行初等变换得到的矩阵称为初等矩阵. 初等矩阵一定是可逆的. 左行右列 对矩阵的行变换相当于左乘以一个初等矩阵；列变换相当于右乘以一个初等矩阵 阅读全文