随笔分类 - 图像处理
摘要：1.AliBorji,LaurentItti,ExploitingLocalandGlobalPatchRaritiesforSaliencyDetection,CVPR20121)系统框架：2)算法思路：① 图像表示：本文通过1500张图像中，在各通道提取出的8*8的patch，学到了一个自然图像的字典。使用这个字典以及一系列的系数α就可以重组任何一个patch。各通道分别进行。因此，在学习了字典，并且使用Matlab中的LARS算法进行了稀疏编码系数α的估计之后，每个patch通过系数表示成一个矢量。② 显著度计算：在这些矢量上进行局部和全局显著度的计算。局部显著度为两个图像块系数向量在特
阅读全文
摘要：1.MingmingCheng,GlobalContrastbasedSalientRegionDetection,CVPR20111)HC：基于直方图对比度的方法，每一个像素的显著性值是由它与图像中所有其他像素的颜色差异来确定，得到全分辨率显著性图像；2)RC：基于局部对比度的方法，先将图像分割成小区域，采用的分割方法是基于图的分割，基本分割思想是将每个像素点作为无向图的顶点，两个像素点之间的不相似度作为边的权重，要求连接相同区域内的两个顶点的边的最大权重要小于连接不同区域的顶点的边的最小权重，在迭代过程中进行顶点归纳与区域合并，具体参见论文Efficientgraph-basedimages
阅读全文
摘要：很多同学需要源文档，所以添加了下载链接，方便大家共同学习进步~本文下载链接：http://files.cnblogs.com/yingying0907/Gabor%E7%AC%94%E8%AE%B0.zipGabor变换是D.Gabor1946年提出的。为了由信号的Fourier变换提取局部信息，引入了时间局部化的窗函数，得到了窗口Fourier变换。由于窗口Fourier变换只依赖于部分时间的信号，所以，现在窗口Fourier变换又称为短时Fourier变换，这个变换又称为Gabor变换。1)Gabor优点Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似。它在提取目标的局部空间和
阅读全文
摘要：1.傅里叶变换1)简介数字图像处理的方法主要分成两大部分：空域分析法和频域分析法。空域分析法就是对图像矩阵进行处理；频域分析法是通过图像变换将图像从空域变换到频域，从另外一个角度来分析图像的特征并进行处理。频域分析法在图像增强、图像复原、图像编码压缩及特征编码压缩方面有着广泛应用。如果一个信号f(t)在上满足：① f(t)在任一有限区间上满足狄氏条件；② f(t)在上绝对可积即就可以通过傅里叶变换把时域信号f(t)转化到频域进行处理：然后再通过傅里叶反变换把频域信号转化到时域：傅里叶变换是线性系统分析的有力工具，提供了一种把时域信号转换到频域进行分析的途径，时域和频域之间是一对一的映射关系。图
阅读全文
摘要：1.推荐/引用 博客SIFT算法研究：http://underthehood.blog.51cto.com/2531780/658350SIFT特征提取算法总结：http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html图像特征提取与匹配之SIFT算法：http://blog.csdn.net/v_JULY_v/article/details/6186942一些公式推导来自实验室师兄的笔记，感谢。论文：David G. Lowe, "Distinctive image features from scale-in
阅读全文
摘要：1.链接推荐关于理解PCA的推荐链接：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/08/lda-and-pca-machine-learning.html关于理解SVD的推荐链接：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html2.PCA简介 主成分分析 （ Principal Component Analysis ， PCA ）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复.
阅读全文
摘要：转自：http://www.cnblogs.com/ryanlaw/archive/2012/02/05/2339250.htmlHOG descriptors 是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值。这种方法跟边缘方向直方图（edge orientation histograms）、尺度不变特征变换（scale-invariant feature transform descriptors） 以及形状上下文方法（ shape contexts）有很多相似之处，但与它们的不同点是：HOG描述器是在一个网格密集的大小统一的细胞
阅读全文
摘要：1.算法简介 LBP是一种简单，有效的纹理分类的特征提取算法。LBP算子是由Ojala等人于1996年提出的，主要的论文是"Multiresolution gray-scale and rotation invariant texture classification with local binary patterns", pami, vol 24, no.7, July 2002。LBP就是"local binary pattern"的缩写。 关于论文的讲解可参考链接 http://blog.sina.com.cn/s/blog_916b71bb01
阅读全文
摘要：在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. 曼哈顿距离3. 切比雪夫距离4. 闵可夫斯基距离5. 标准化欧氏距离6. 马氏距离7. 夹角余弦8. 汉明距离9. 杰卡德距离 & 杰卡德相似系数10. 相关系数 & 相关距离11. 信息熵1.欧氏距离(Euclidean Distance)欧氏距离是最易于理解的一种距离计算方法，源自欧
阅读全文
摘要：数字图像处理中的形态学（摘自某文献，因为贴图的数目有限制，后面的公式图片没有能够上，电脑重装后文档已经找不到了，囧）一 引言数学形态学是一门建立在集论基础上的学科，是几何形态学分析和描述的有力工具。数学形态学的历史可回溯到19世纪。1964年法国的Matheron和Serra在积分几何的研究成果上，将数学形态学引入图像处理领域，并研制了基于数学形态学的图像处理系统。1982年出版的专著《Image Analysis and Mathematical Morphology》是数学形态学发展的重要里程碑，表明数学形态学在理论上趋于完备及应用上不断深入。数学形态学蓬勃发展，由于其并行快速，易于硬件实
阅读全文
摘要：Bhattacharyya距离在统计学中，Bhattacharyya距离（以下称巴氏距离）测量的是两个离散或连续概率分布的相似性。计算方式和Bhattacharyya系数关系很密切。两种计算方式都以A. Bhattacharyya名字命名，Bhattacharyya是一位30年代在印度统计研究所工作的统计学家。巴氏系数可用来对两组样本的相关性进行测量。这一方法常用来作分类器算法。[1]数学定义-离散概率分布 对于在X数域上的两个离散概率分布p和q，巴氏距离定义为[2]： DB(p,q) = -ln(BC(p,q)) 其中 BC(p,q) = ∑√p(x)q(x) BC被称作Bhatt...
阅读全文
摘要：给个链接吧：http://blog.sina.com.cn/s/blog_6833a4df01012bct.htmlComputer Vision Resources：https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html整理CVPR2012感兴趣的文章：http://www.bfcat.com/index.php/2012/04/cvpr2012-papers/
阅读全文
摘要：Ali Borji是Laurent Itti的学生，他在这一年中就显著性方面发表了5篇高水平的国际会议。其中在CVPR2012上面有三篇第一作者的文章。先看一下题目：1. Boosting Bottom-up and Top-down Visual Features for Saliency Estimation，(PDF) Ali Borji；2. Exploiting Local and Global Patch Rarities for Saliency Detection，(PDF) Ali Borji, Laurent Itti；3. Probabilistic Learning o
阅读全文
摘要：背景减除对背景建模，然后进行背景减除剩下前景视作所求的目标，也是目标检测的一类方法。背景模型的巨大变化即意味着目标移动。帧间差分是背景减除中的一个经典算法。Wren等人提出用3D高斯函数对固定背景每个像素的颜色I(x,y)建模，I(x,y) ~ N(μ (x,y), Σ(x,y))。其中 μ (x,y)是均值, Σ(x,y)是协方差。这两个数据通过对连续背景帧的观测学习得到。由于颜色对光照敏感，单个高斯函数建模的模型不适用于户外场景。多形态混合统计模型的利用是背景建模的一个重大改进。比如混合高斯模型，非参数核密度估计(Elgammal & Davis[2000])，纹理颜色特征融合(L
阅读全文
摘要：转自http://www.opencv.org.cn/forum/viewtopic.php?f=1&t=13642&start=0关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛人的研究动态、招生情况等。总之，我认为，知识只有分享才能产生更大的价值，真诚希望下面的链接能对朋友们有所帮助。（1）googleResearch； http
阅读全文
摘要：转载自http://blog.csdn.net/shengzhuzhu/article/details/7469896特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所
阅读全文
摘要：转自 http://zhengjunliu360.blog.163.com/blog/static/53797102201032734617104/之前一直在做移动机器人定位算法。查来查去，发觉粒子滤波算法（又叫MC算法）应该算是最流行的了。因此开始学习使用之。入手的是本英文书叫“probalistic robotic” 很不错，我所见到的讲得最好的一本书。花了大量时间去研读。在这里我想谈谈我对粒子滤波的一点认识。因为在这一领域算是个新手。希望有前辈或者达人来指正我的想法。也希望我的这篇文章对新手有理解他有所帮助（当初我就很是苦于它难于理解）在这里我不想谈粒子滤波的理论基础和推到，这点大家可以
阅读全文
摘要：转自http://www.cnblogs.com/cfantaisie/archive/2011/06/16/2082267.html粒子滤波实现物体跟踪的算法原理： 1）初始化阶段-提取跟踪目标特征该阶段要人工指定跟踪目标，程序计算跟踪目标的特征，比如可以采用目标的颜色特征。具体到Rob Hess的代码，开始时需要人工用鼠标拖动出一个跟踪区域，然后程序自动计算该区域色调(Hue)空间的直方图，即为目标的特征。直方图可以用一个向量来表示，所以目标特征就是一个N*1的向量V。2）搜索阶段-放狗好，我们已经掌握了目标的特征，下面放出很多条狗，去搜索目标对象，这里的狗就是粒子particle。狗有很
阅读全文
摘要：转自prfans：Sparse, L1-minimization, Compressive Sensing 集中讨论帖（第一页常更新）Sparse大家并不陌生，是个经典话题了。而此时sparse已经卷土重来，虽然还是那一锅汤，但是药已经换了。以L1-minimization为核心的算法，近几年飞速进展，Compressive Sensing (Compressive Sampling) 已然成为数学领域和信号处理最前沿最热门的方向。最近一年多这种新形式的算法快速蔓延到模式识别界应用，论文质量高、算法效果好、而且算法一般都非常简单。而这仅仅是个开始，所以我一直有这个想法专开一贴，供大家一起讨论、
阅读全文
摘要：转自http://blog.163.com/shi-xj/blog/static/3178051520110703223313/前几篇日志介绍了Gabor滤波器，我在OPENCV上编了一个Gabor核类，望各位看客指正。参考公式：/**********************************************************Author XJ Shi. FileName: Gabor.hshi-xj@163.comDefine the class head to Gabor Filter@ 2011.1.2*********************************
阅读全文
