computer vision
土星人马
这个作者很懒,什么都没留下…
展开
-
GIST特征描述符使用
转自http://www.cnblogs.com/justany/archive/2012/12/06/2804211.htmlGIST特征描述符使用一种场景特征描述场景特征描述?通常的特征描述符都是对图片的局部特征进行描述的,以这种思路进行场景描述是不可行的。比如:对于“大街上有一些行人”这个场景,我们必须通过局部特征辨认图像是否有大街、行人等对象,再断定转载 2013-12-15 18:35:15 · 1702 阅读 · 0 评论 -
surf算法
特征点检测学习_2(surf算法) 在上篇博客特征点检测学习_1(sift算法) 中简单介绍了经典的sift算法,sift算法比较稳定,检测到的特征点也比较多,其最大的确定是计算复杂度较高。后面有不少学者对其进行了改进,其中比较出名的就是本文要介绍的surf算法,surf的中文意思为快速鲁棒特征。本文不是专门介绍surf所有理论(最好的理论是作者的论文)的,只是对surf算法进行转载 2013-12-16 14:01:48 · 1465 阅读 · 0 评论 -
SIFT/SURF、haar特征、广义hough变换
三种强大的物体识别算法——SIFT/SURF、haar特征、广义hough变换的特性对比分析识别算法概述: SIFT/SURF基于灰度图,一、首先建立图像金字塔,形成三维的图像空间,通过Hessian矩阵获取每一层的局部极大值,然后进行在极值点周围26个点进行NMS,从而得到粗略的特征点,再使用二次插值法得到精确特征点所在的层(尺度),即完成了尺度不变。二、在特征点选取转载 2013-12-16 12:33:52 · 1188 阅读 · 0 评论 -
Gist描述子
Gist描述子主要用于场景识别,是由MIT的Antonio Torralba提出的。文章发表在IJCV,题目:Modeling the shape of the scene: a holistic representation of the spatial envelopeGIST Descriptor (Matlab code)Download:Dow转载 2013-12-15 20:14:18 · 4710 阅读 · 0 评论 -
HOG特征
目标检测的图像特征提取之(一)HOG特征分类: opencv分类器训练1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识转载 2013-12-13 21:10:09 · 1035 阅读 · 0 评论 -
Sparse Coding ScSPM & LLC
Deep Learning:Sparse Coding ScSPM & LLC分类: 机器学习2013-11-30 14:41 71人阅读 评论(0) 收藏 举报Deep LearningSparse Coding机器学习模式识别 最近看了余凯的CVPR12 Tutorial on Deep Learning(下载),在此记录下自己的一些学习心得。转载 2013-12-17 15:48:51 · 1026 阅读 · 0 评论 -
SIFT特征提取代码
SIFT特征具有缩放、旋转特征不变性,下载了大牛的matlab版SIFT特征提取代码,解释如下:1.调用方法:将文件加入matlab目录后,在主程序中有两种操作:op1:寻找图像中的Sift特征:[csharp] view plaincopy[image, descrips, locs] = sift('scene转载 2013-12-13 14:29:38 · 1477 阅读 · 0 评论 -
SIFT特征
SIFT特征提取分析分类: Computer VisionSIFT(Scale-invariant feature transform)是一种检测局部特征的算法,该算法通过求一幅图中的特征点(interest points,or corner points)及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配,获得了良好效果,详细转载 2013-12-12 14:23:43 · 736 阅读 · 0 评论