06 2013 档案
摘要：这两天在看M.Tim Jones的《人工智能》，书中不只介绍原理，而且都有相应的c代码实现。虽然代码不完全，不过缺少的部分完全可以自己补完。差异演化和昨天实现的PSO很类似，都属于优化算法。算法步骤：1.设定种群个体个数和需要迭代的次数。当然也可以设定条件，然后判断是否停止迭代。2.定义交叉概率CR，个体有一定概率进行变异，如果变异则进行第3步，如果不变异则下一代个体和当前个体一样。3.在种群中随机选出三个互不相同的个体进行变异，变异公式如下（有博士论文总结了一大堆变异公式）：Xi,g+1=Xr1,g+F(Xr2,g-Xr3,g)其中X是种群中个体特征向量，这里就是x和y坐标。g是种群的代数。
阅读全文
摘要：算法没有和图像处理直接相关，不过对于图像分类中的模式识别相关算法，也许会用到这个优化算法。算法步骤：1.首先确定粒子个数与迭代次数。2.对每个粒子随机初始化位置与速度。3.采用如下公式更新每个粒子的位置与速度。Px=Px+Pv*t; %位置更新公式 Pv=Pv+(c1*rand*(Gx-Px))+(...
阅读全文
摘要：Log Polar就是所谓的极坐标变换，通过变换能将笛卡尔坐标系中的图像映射到极坐标系中。确切的来说我这里不算是Log Polar，因为Log Polar是将图像从（x,y）映射到(log(r),theta)，而我是将图像从（x,y）映射到（r,theta）。原理是一样的。变换公式是：x=r*cos(theta);y=r*sin(theta);其中r代表极径，theta代表极角。这些应该学过高中的都会的。下图能形象的表示变换：似乎有通过此变换求图像特征的算法，不过具体操作我也不清楚。我这里只是实现了变换的操作。原图如下：以图像中心作为极坐标原点进行极坐标变换：matlab代码如下：clear
阅读全文
摘要：通过本篇和上一篇的结合，应该就能做出拉普拉斯图像融合了。这里用的方法很简单，就是用模板和两个图像相乘，然后对处理后的两个图像再相加就可以了。拉普拉斯融合就是对金字塔的每一层图像做这样的操作，然后再重构就行了。先看看这里的效果：原图apple原图orange:模板图像（实际处理时需要对模板进行模糊）：融合后图像：matlab代码如下：clear all; close all; clc;apple=double(imread('apple.jpg'));orange=double(imread('orange.jpg'));[m n]=size(apple);mas
阅读全文
摘要：过去研究过高斯金字塔，不过今天看来，当时似乎搞错了，金字塔上下层应该是采样的关系，而不是缩放的关系，而且不同层的sigma应该也有所不同。拉普拉斯金字塔在图像融合中有所应用，方法是首先对两个待融合图像求拉普拉斯残差金字塔，然后用模板对每一级残差图像进行融合得到融合后图像的残差金字塔，然后对这个金字塔进行重构就能得到最终的融合图像，图像各尺度细节得到保留。（注：融合时模板一般会先用高斯函数模糊一下）不过这里不实现融合，只实现拉普拉斯金字塔的建立。建立金字塔的方框图如下（摘自《数字图像处理（第二版）》）：通过j-1级近似图像和j级残差图像就能恢复j级输入图像。近似滤波器就是拉普拉斯滤波模板。插入滤
阅读全文
摘要：RANSAC在图像拼接中有所使用，有时候也在图像理解的相关算法中有所使用。算法简介如下(摘自《图像处理、分析与机器视觉（第3版）》)：1.假设我们要将n个数据点X={x1,x1,...,xn}拟合为一个由至少m个点决定的模型（m<=n，对于直线，m=2）。（我这里实际是两个不同均值、协方差高斯分布产生的数据）2.设迭代计数k=1。3.从X中随机选取m个项并拟合一个模型。（我这里直线拟合，选了2个项）4.给定偏差ε，计算X中相对于模型的残差在偏差ε的个数，如果元素个数大于一个阈值t，根据一致点集重新拟合模型（可以利用最小二乘或其变种），算法终止。（我这里的偏差为1，阈值为数据个数的2/3）
阅读全文
