摘要：
实验代码： 实验结果： 二，利用贝叶斯概率进行图像分割 实验代码： 实验结果： 阅读全文
摘要：
一.卷积神经网络简介 卷积神经网络(CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括卷积层和池化层。 一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提 阅读全文
摘要：
一,Denxe SIFT算法 Dense SIFT算法，是一种对输入图像进行分块处理，再对每一块进行SIFT运算的特征提取过程。Dense SIFT根据可调的参数大小，来适当满足不同分类任务下对图像的特征表征能力；而传统的SIFT算法则是对整幅图像的处理，得到一系列特征点。Dense-SIFT在非深 阅读全文
摘要：
今天的博客主要介绍KNN算法以及其可视化的实现 一.KNN算法简介 一.KNN算法简介 KNN，即K近邻法(k-nearst neighbors)，所谓的k最近邻，就是指最接近的k个邻居(数据)，即每个样本都可以由它的K个邻居来表达。kNN算法的核心思想是，在一个含未知样本的空间，可以根据离这个样本 阅读全文
摘要：
一，原理及流程介绍 1.基于内容的图像检索 在大型图像数据库上，CBIR技术用于检索在视觉上具有相似性的图像。这样返回的图像可以是颜色相似，纹理相似，图像中的物体或场景相似；总之，基本上可以是这些图像自身共有的任何信息。对于高层查询，比如寻找相似物体，将查询图像与数据库中所有的图像进行完全比较（比如 阅读全文
摘要：
一，基础矩阵原理介绍 如果已知基础矩阵F，以及一个3D点在一个像面上的像素坐标p，则可以求得在另一个像面上的像素坐标p',这个是基础矩阵的作用，可以表征两个相机的相对位置及相机内参数。 则根据三线共面，有： K和K'分别为两个相机的内参矩阵，则： 其中的F即为基础矩阵，描述了空间中的点在两个像平面中 阅读全文
摘要：
在之前的博客中，介绍了标定相机参数的原理，这一篇博客主要来说标定相机参数的实现。 二，相机标定的实现1.相机标定的目的：获取摄像机的内参和外参矩阵（同时也会得到每一幅标定图像的选择和平移矩阵），内参和外参系数可以对之后相机拍摄的图像就进行矫正，得到畸变相对很小的图像。 2.相机标定的输入：标定图像上 阅读全文
摘要：
一，标定相机参数的原理 1.摄像机标定(Camera calibration)简单来说是从世界坐标系换到图像坐标系的过程，也就是求最终的投影矩阵 PP 的过程，主要涉及三个基本坐标系，分别是： 世界坐标系(world coordinate system)：也称为测量坐标系，是一个三维直角坐标系，以其 阅读全文
摘要：
一.以平面和标志物进行姿态估计 首先，本次实验需要下载（1）openGL：https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyopengl；（2）pygame：https://www.lfd.uci.edu/~gohlke/pythonlibs/#pygame 阅读全文
摘要：
1.SIFT特征原理描述 SIFT的全称是Scale Invariant Feature Transform，由加拿大教授David G.Lowe提出的。SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果，是一种非常稳定的局部特征。 总体来说，Sift算子 阅读全文