刘晓辉

摘要： 本来要写一下的，但是在CSDN上看到一位网友详细的说明，决定直接转他的链接了算法系列之十二：多边形区域填充算法－－递归种子填充算法 http://blog.csdn.net/orbit/article/details/7323090 阅读全文

摘要： 这几天研究内容涉及双目视觉的内容，需要获取双目视差图（Binocular Disparity map）。直接从网上下载的双目视觉数据库，并已经给出单摄像机标定参数和双目标定参数。http://www.vision.ee.ethz.ch/~aess/dataset/这样就不需要摄像机标定和采集环节。直接进行图像矫正和双目匹配。相关内容可以参考 opencv双目测距与三维重建的OpenCV实现问题集锦 http://www.opencv.org.cn/forum/viewtopic.php?f=10&t=11802 或者csdn chenyusiyuan的博文http://blog.csd 阅读全文

摘要： 一、拥有自信和风度男人到了二十几岁后，就要开始学着用心去经营自己了，它体现在自己的思想与涵养上。自信是一个男人最重要的品质，自信的男人就你像一只在暴风雨中战斗的海鸥。海鸥所要说的只有一句话“让暴风雨来的再猛烈些吧”，只因为它无所畏惧。一个自信的男人，总是能够感染别人，无论这些人是朋友还是敌人。要使别人对你有信心，就必须要先对自己充满信心。自信的男人可以战胜一切困难。一个有风度的男人就像一片大海，不拒点滴，又包容江河。有风度使男人得到更多的青睐，不争眼前才能够放眼世界，给予别人才能够受益无穷。正所谓“宰相肚里能撑船”，一个心如大海的男人，肚中不知能撑多少船呀！风度偏偏让男人看上去潇洒万千。二、养 阅读全文

摘要： http://blog.csdn.net/dreamd1987/article/details/7396620Discriminatively Trained Deformable Part Models的官网：http://www.cs.brown.edu/~pff/latent/目前做目标检测最好的一个算法。移植到windows下。参考了pozen同学的博客：http://blog.csdn.net/pozen/article/details/7023742启发很大，下面说说自己的调试过程：1、把用到的文件dt.cc resize.cc fconv.cc features.cc的后缀都修改 阅读全文

摘要： 通过把耗时长的函数用c语言实现，并编译成mex函数可以加快执行速度。Matlab本身是不带c语言的编译器的，所以要求你的机器上已经安装有VC,BC或WatcomC中的一种。如果你在安装Matlab时已经设置过编译器，那么现在你应该就可以使用mex命令来编译c语言的程序了。如果当时没有选，就在Matlab里键入mex-setup，下面只要根据提示一步步设置就可以了。为了测试你的路径设置正确与否，把下面的程序存为hello.c。/*hello.c*/#include "mex.h" void mexFunction(int nlhs, mxArray *plhs[], int 阅读全文

摘要： RANSAC为RANdom SAmple Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由 Fischler和Bolles最先提出[1]。RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(Outliers，偏离正常范 围很远、无法适应数学模型的数据)，即数据集中含有噪声。这些异常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC也假设， 给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方法。RANSAC基本思想描述如下：①考虑 阅读全文

摘要： sift创始人的代码：David Lowe's SIFT code:http://www.cs.ubc.ca/~lowe/keypoints美国加州大学洛杉矶分校（University of California at Los Angeles) Andrea Vedaldi 博士研究生给出的基于David Lowe 发表的论文给利用Matlab和C语言混合编程给出的Sift detector and descriptor的实现过程。http://vision.ucla.edu/~vedaldi/详见http://hi.baidu.com/super_lw/blog/item/43357 阅读全文

摘要： （本文的部分内容摘自一些网友的博客） Sift是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的发展和完善。Sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。在Mikolajczyk对包括Sift算子在内的十种局部描述子所做的不变性对比实验中，Sift及其扩展算法已被证实在同类描述子中具有最强的健壮性。 总体来说，Sift算子具有以下特性： （1）Sift特征是图像的局部特征，对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性。 （2）独特性好，信息量. 阅读全文