超像素
moonzjaw
这个作者很懒,什么都没留下…
展开
-
《SLIC Superpixels》阅读笔记
SLIC 超像素(SLICSuperpixels)Radhakrishna Achanta, Appu Shaji, KevinSmith, Aurelien Lucchi,Pascal Fua, and Sabine Susstrunk摘要:超像素在计算机视觉领域越来越流行。但是,低计算量的算法却很少。我们发明了一种原创的算法,使像素聚类为五维颜色和图像层,用来转载 2014-03-04 11:20:37 · 1557 阅读 · 0 评论 -
Grabcut(一)
GrabCut里用的这个能量函数E是GraphCut里最常用的。这个这么去理解:最优的分割Z应该使得分割后前景像素更像前景,背景像素更像背景(前景与背景分别由GMM描述),另外,如果相邻像素的颜色差异比较小,那么它们更有可能同属前景或者背景。E的两个能量项U和V就是分别刻画这个的。因此可以把分割看作是一个优化问题。这个问题可以从另一个角度来看,也就是MRF上的极大后验估计问题(MRF-MA转载 2014-04-08 11:31:56 · 1138 阅读 · 0 评论 -
整型规划的凸松弛(Convex Relaxation in Integer Programming)
计算机视觉的问题很多时候最终被归结为组合优化问题,对此类问题采用组合分析的方法往往不能在多项式时间内求出最优解,因此我们需要一个好的逼近方法来求解此类问题,一个合理的方法就是通过凸松弛的方法来逼近整型规划问题。该方法的如要思想如下: 先来看下整型组合优化问题,对于(图一)中的寻找最小点(红点)问题,用求导的方法不可取,用排序的方法就是NP问题,无法在多项式时间内找到最优解。转载 2014-03-21 17:19:42 · 2357 阅读 · 0 评论 -
MRF,马尔科夫随机场
之前自己做实验也用过MRF(Markov Random Filed,马尔科夫随机场),基本原理理解,但是很多细节的地方都不求甚解。恰好趁学习PGM的时间,整理一下在机器视觉与图像分析领域的MRF的相关知识。 打字不易,转载请注明。http://blog.csdn.net/polly_yang/article/details/9716591 在机器视觉领转载 2014-03-21 17:15:56 · 1200 阅读 · 0 评论 -
核方法(kernel method)的主要思想
本文对核方法(kernel method)进行简要的介绍。核方法的主要思想是基于这样一个假设:“在低维空间中不能线性分割的点集,通过转化为高维空间中的点集时,很有可能变为线性可分的” ,例如下图 左图的两类数据要想在一维空间上线性分开是不可能的,然而通过F(x)=(x-a)(x-b)把一维空间上的点转化为右图上的二维空间上,就是可以线性分割的了。然而,如果转载 2014-04-30 11:07:35 · 565 阅读 · 0 评论 -
图像分割之(四)OpenCV的GrabCut函数使用和源码解读
图像分割之(四)OpenCV的GrabCut函数使用和源码解读[email protected]://blog.csdn.net/zouxy09 上一文对GrabCut做了一个了解。OpenCV中的GrabCut算法是依据《"GrabCut" - Interactive Foreground Extraction using Iterated Graph Cu转载 2014-03-10 09:49:31 · 860 阅读 · 0 评论 -
图像分割之(三)从Graph Cut到Grab Cut
图像分割之(三)从Graph Cut到Grab [email protected]://blog.csdn.net/zouxy09 上一文对GraphCut做了一个了解,而现在我们聊到的GrabCut是对其的改进版,是迭代的Graph Cut。OpenCV中的GrabCut算法是依据《"GrabCut" - Interactive Foreg转载 2014-03-10 09:47:28 · 765 阅读 · 0 评论 -
图像分割之(一)概述
图像分割之(一)概述[email protected]://blog.csdn.net/zouxy09 所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性,而在不同区域间呈现出明显的差异性。我们先对目前主要的图像分割方法做个概述,后面再对个别方法做详细的了解和学习。1、基于阈转载 2014-03-10 09:46:23 · 824 阅读 · 0 评论 -
图像分割之(二)Graph Cut(图割)
图像分割之(二)Graph Cut(图割)[email protected]://blog.csdn.net/zouxy09 上一文对主要的分割方法做了一个概述。那下面我们对其中几个比较感兴趣的算法做个学习。下面主要是Graph Cut,下一个博文我们再学习下Grab Cut,两者都是基于图论的分割方法。另外OpenCV实现了Grab Cut,具转载 2014-03-10 09:46:58 · 837 阅读 · 0 评论 -
图像分割之(二)Graph Cut(图割)
图像分割之(二)Graph Cut(图割)[email protected]://blog.csdn.net/zouxy09 上一文对主要的分割方法做了一个概述。那下面我们对其中几个比较感兴趣的算法做个学习。下面主要是Graph Cut,下一个博文我们再学习下Grab Cut,两者都是基于图论的分割方法。另外OpenCV实现了Grab Cut,具转载 2014-03-13 17:09:11 · 763 阅读 · 0 评论 -
聚类算法K-Means, K-Medoids, GMM, Spectral clustering,Ncut
聚类算法是ML中一个重要分支,一般采用unsupervised learning进行学习,本文根据常见聚类算法分类讲解K-Means, K-Medoids, GMM, Spectral clustering,Ncut五个算法在聚类中的应用。Clustering Algorithms分类1. Partitioning approach:转载 2014-06-14 21:00:55 · 499 阅读 · 0 评论