12 2016 档案

形态学图像处理(二)
摘要：本文主要包括以下内容 二值形态学的经典应用， 细化和像素化， 以及凸壳灰度图像的形态学运算， 包括灰度腐蚀、灰度膨胀、灰度开和灰度闭本章的典型案例分析 在人脸局部图像中定位嘴的中心显微镜下图像的细菌计数利用顶帽变换（top-hat）技术解决光照不均问题 细化算法“骨架”是指... 阅读全文
posted @ 2016-12-31 21:38 RicardoMJiang 阅读(936) 评论(0) 推荐(0) 编辑
形态学图像处理
摘要：形态学，即数学形态学(mathematical Morphology），是图像处理中应用最为广泛的技术之一，主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质〈最具区分能力－most discriminative）的形状特征，如边界和... 阅读全文
posted @ 2016-12-31 16:17 RicardoMJiang 阅读(1139) 评论(0) 推荐(0) 编辑
彩色图像处理
摘要：彩色基础什么是彩色 彩色是物体的一种属性，就像纹理、形状、重量一样． 通常， 它依赖于3个方面的因素： 光源一一照射光的谱性质或谱能量分布．物体－一被照射物体的反射性质．成像接收器（眼睛或成像传感器）一一光谱能量吸收性质其中，光特性是颜色科学的核心。假如光没有颜色（捎色的，如观... 阅读全文
posted @ 2016-12-28 20:53 RicardoMJiang 阅读(1131) 评论(0) 推荐(0) 编辑
频率域波图像增强
摘要：本文主要包括以下内容 频率域图像增强高通滤波器和低通滤波器本章的典型案例分析 利用频域滤波消除周期噪声频域滤波基础频域滤波与空域滤波的关系 傅立叶变换可以将图像从空域变换到频域，而傅立叶反变换则可以将图像的频谱逆变换为空域图像，即人可以直接识别的图像。这样一来，我们可以利用... 阅读全文
posted @ 2016-12-27 20:32 RicardoMJiang 阅读(785) 评论(0) 推荐(0) 编辑
傅立叶变换学习
摘要：空间域和频率域为我们提供了不同的视角． 在空域中． 函数的自变量（x, y）被视为二维空间中的一点， 数字图像J(x, y）即为一个定义在二维空间中的矩形区域上的离散函数：换一个角度， 如果将j(x, y）视为幅值变化的二维信号， 则可以通过某些变换手段（如傅立叶变 换、离散余弦变... 阅读全文
posted @ 2016-12-25 17:03 RicardoMJiang 阅读(848) 评论(0) 推荐(0) 编辑
中值滤波与图像锐化
摘要：本文主要包括以下内容 中值滤波及其改进算法图像锐化， 包括梯度算子、拉普拉斯算子、高提升滤波和高斯-拉普拉斯变换本章的典型囊例分析 对椒盐噪声的平滑效果比较Laplacian与LoG算子的锐化效果比较中值滤波中值滤波本质上是一种统计排序滤波器． 对于原图像中某点（i,j)，... 阅读全文
posted @ 2016-12-24 15:47 RicardoMJiang 阅读(1171) 评论(0) 推荐(0) 编辑
空间域图像增强
摘要：图像增强是数字图像处理相对简单却最具艺术性的领域之一，增强的目的是消除噪声， 显现那些被模糊了的细节或简单突出一幅图像中我们感兴趣的特征。一个简单例子是增强图 像的对比度， 使其看起来更加一目了然。增强是图像处理中非常主观的领域， 它以怎样构成 好的增强效果这种人为主观偏好为基础，... 阅读全文
posted @ 2016-12-23 21:10 RicardoMJiang 阅读(915) 评论(0) 推荐(0) 编辑
图像的几何变换
摘要：包含相同内容的两幅图像可能由于成像角度、透视关系乃至镜头自身原因所造成的几何失 真而呈现出截然不同的外观，这就给观测者或是图像识别程序带来了困扰。通过适当的几何变 换可以最大程度地消除这些几何失真所产生的负面影响，有利于我们在后续的处理和识别工作 中将注意力集中子图像内容本身，更确... 阅读全文
posted @ 2016-12-22 14:38 RicardoMJiang 阅读(752) 评论(0) 推荐(0) 编辑
分段线性变换与直方图修正
摘要：本文主要包括以下内容分段线性变换两种实用的直方图修正技术:直方图均衡化和直方图规定化本章的典型案例分析 基于直方图均衡化的图像灰度归一化直方图匹配分段线性变换分段线性变换有很多种， 包括灰度拉伸、 灰度窗口变换等， 本节仅讲述最为常用的灰度拉伸． 利用分段线性变换函数来增... 阅读全文
posted @ 2016-12-21 11:17 RicardoMJiang 阅读(1088) 评论(0) 推荐(0) 编辑
图像的点运算
摘要：对于一个数字图像处理系统来说， 一般可以将处理流程分为3个阶段。在获取原始图像 后， 首先是图像预处理阶段， 其次是特征抽取阶段，最后才是识别分析阶段。预处理阶段尤 为重要， 这个阶段处理不好则直接导致后面的工作无法展开。 点运算指的是对图像中的每个像素依次进行同样的灰度变换运算。... 阅读全文
posted @ 2016-12-20 16:14 RicardoMJiang 阅读(554) 评论(0) 推荐(0) 编辑
图像处理中的matlab使用
摘要：图像的矩阵表示 类和图像类型 虽然使用的是整数坐标， 但 MATLAB 中的像素值（亮度）并未限制为整数。 表 1-1 列出了 MATLAB 和图像处理工具箱为描述像素值而支持的各种类。 表中的前 8 项是数值型的数据类，第 9 项称为字符类， 最后一项称为逻辑类。 uint... 阅读全文
posted @ 2016-12-20 11:10 RicardoMJiang 阅读(778) 评论(0) 推荐(0) 编辑
数字图像处理入门
摘要：图像是指能在人的视觉系统中产生视觉印象的客观对象，包括自然景物、拍摄到的图片、用数学方法描述的图形.图像的要素有儿何要素〈刻画对象的轮廓、 形状等〉和非几何要素（刻画对象的颜色、 材质等〉。什么是数字图像 简单地说， 数字图像就是能够在计算机上显示和处理的图像， 根据其特性可分为两... 阅读全文
posted @ 2016-12-19 21:31 RicardoMJiang 阅读(540) 评论(0) 推荐(0) 编辑
大规模机器学习
摘要：如果我们有一个低方差的模型,增加数据集的规模可以帮助你获得更好的结果。我们应 该怎样应对一个有 100 万条记录的训练集? 以线性回归模型为例,每一次梯度下降迭代,我们都需要计算训练集的误差的平方和, 如果我们的学习算法需要有 20 次迭代,这便已经是非常大的计算代价。 首先应该做... 阅读全文
posted @ 2016-12-18 14:43 RicardoMJiang 阅读(163) 评论(0) 推荐(0) 编辑
机器学习之推荐系统
摘要：我们从一个例子开始定义推荐系统的问题。 假使我们是一个电影供应商,我们有 5 部电影和 4 个用户,我们要求用户为电影打分。 基于内容的推荐系统 在一个基于内容的推荐系统算法中,我们假设对于我们希望推荐的东西有一些数据,这 些数据是有关这些东西的特征。 在我们的例子中,我... 阅读全文
posted @ 2016-12-17 23:38 RicardoMJiang 阅读(217) 评论(0) 推荐(0) 编辑
SVM实现邮件分类
摘要：首先学习一下svm分类的使用。 主要有以下步骤： Loading and Visualizing DatajTraining Linear SVM Implementing Gaussian KernelTraining SVM with RBF Kernel ... 阅读全文
posted @ 2016-12-16 17:20 RicardoMJiang 阅读(491) 评论(0) 推荐(0) 编辑
机器学习之异常检测
摘要：问题的动机 什么是异常检测呢?为了解释这个概念,让我举一个例子吧: 假想你是一个飞机引擎制造商,当你生产的飞机引擎从生产线上流出时,你需要进行 QA (质量控制测试),而作为这个测试的一部分,你测量了飞机引擎的一些特征变量,比如引擎 运转时产生的热量,或者引擎的振动等等。 ... 阅读全文
posted @ 2016-12-16 09:40 RicardoMJiang 阅读(455) 评论(0) 推荐(0) 编辑
降维算法学习
摘要：降维的动机首先,让我们谈论降维是什么。作为一种生动的例子,我们收集的数据集,有许多, 许多特征,我绘制两个在这里。 假设我们未知两个的特征 x1:长度:用厘米表示;X2,是用英寸表示同一物体的长度。 所以,这给了我们高度冗余表示,也许不是两个分开的特征 x1 和 X2,这... 阅读全文
posted @ 2016-12-14 09:42 RicardoMJiang 阅读(204) 评论(0) 推荐(0) 编辑
手写数字识别实现
摘要：本文主要实现手写数字识别，利用多类逻辑回归与神经网络两种方法实现 Multi-class Classification数据源 There are 5000 training examples in ex3data1.mat, where each training ex... 阅读全文
posted @ 2016-12-12 14:50 RicardoMJiang 阅读(286) 评论(0) 推荐(0) 编辑
聚类算法学习
摘要：聚类是一种非监督学习方法 在一个典型的监督学习中,我们有一个有标签的训练集,我们的目标是找到能够区分正 样本和负样本的决策边界,在这里的监督学习中,我们有一系列标签,我们需要据此拟合一 个假设函数。与此不同的是,在非监督学习中,我们的数据没有附带任何标签,我们拿到的 数据就是... 阅读全文
posted @ 2016-12-12 10:26 RicardoMJiang 阅读(233) 评论(0) 推荐(0) 编辑
支持向量机学习
摘要：与逻辑回归和神经网络相比,支持向量机,或者简称 SVM,在学习复杂的非线性 方程时 供了一种更为清晰,更加强大的方式 如果我们用一个新的代价函数来代替,即这条从 0 点开始的水平直线,然后是一条斜 线,像上图。那么,现在让我给这两个方程命名,左边的函数,我称之为cost... 阅读全文
posted @ 2016-12-11 11:08 RicardoMJiang 阅读(260) 评论(0) 推荐(0) 编辑
机器学习系统设计与建议
摘要：当我们在运用训练好了的模型来预测未知数据的时候发现有较大的误差,我们下一步可以 做什么? 1. 获得更多的训练实例——通常是有效的,但代价较大,下面的方法也可能有效,可 考虑先采用下面的几种方法。 2. 尝试减少特征的数量 3. 尝试获得更多的特征 4. 尝试增加多项式特征 5. ... 阅读全文
posted @ 2016-12-10 17:25 RicardoMJiang 阅读(174) 评论(0) 推荐(0) 编辑
神经网络学习
摘要：代价函数 首先引入一些便于稍后讨论的新标记方法: 假设神经网络的训练样本有 m 个,每个包含一组输入 x 和一组输出信号 y,L 表示神经 网络层数,Sl 表示每层的 neuron 个数(SL 表示输出层神经元个数),SL 代表最后一层中处理 单元的个数。将神经网络的分类定义为两种... 阅读全文
posted @ 2016-12-07 21:55 RicardoMJiang 阅读(186) 评论(0) 推荐(0) 编辑
神经网络入门
摘要：我们之前学的,无论是线性回归还是逻辑回归都有这样一个缺点,即:当特征太多时, 计算的负荷会非常大。 普通的逻辑回归模型,不能有效地处理这么多的特征,这时候我们 需要神经网络。 神经元和大脑 神经网络是一种很古老的算法,它最初产生的目的是制造能模拟大脑的机器。 神经网络逐渐兴... 阅读全文
posted @ 2016-12-05 16:41 RicardoMJiang 阅读(167) 评论(0) 推荐(0) 编辑
逻辑回归与正则化
摘要：在分类问题中,你要预测的变量 y 是离散的值,我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法,这是目前最流行使用最广泛的一种学习算法。在分类问题中,我们尝试预测的是结果是否属于某一个类(例如正确或错误)。分类问 题的例子有:判断一封电子邮件是否是垃圾... 阅读全文
posted @ 2016-12-04 16:19 RicardoMJiang 阅读(1280) 评论(0) 推荐(0) 编辑
多变量线性回归
摘要：目前为止,我们探讨了单变量/特征的回归模型,现在我们对房价模型增加更多的特征, 例如房间数楼层等,构成一个含有多个变量的模型,模型中的特征为(x1,x2,…,xn)增添更多特征后,我们引入一系列新的注释: n 代表特征的数量 x(i)代表第 i 个训练实例,是特征矩阵中的第 i 行... 阅读全文
posted @ 2016-12-04 11:03 RicardoMJiang 阅读(331) 评论(0) 推荐(0) 编辑
机器学习入门
摘要：机器学习是什么? 第一个机器学 习的定义来自于 Arthur Samuel。他定义机器学习为,在进行特定编程的情况下,给予计算机 学习能力的领域。 上述是个有点不正式的定义,也比较古老。另一个年代近一点 的定义,由 Tom Mitchell 提出,来自卡内基梅隆大学,Tom... 阅读全文
posted @ 2016-12-04 10:59 RicardoMJiang 阅读(162) 评论(0) 推荐(0) 编辑