图像特征提取
蝴蝶也可以飞过沧海
硕士在读科研方向计算机视觉与模式识别具体研究图像检索
展开
-
SIFT 特征及其代码
SIFT原文:Distinctive Image Features from Scale-Invariant Keypoints,作者David G. Lowe 发表在2004的IJCV上面,这篇文章可谓是里程碑似的工作,现在的他引次数已经达到12239次!!作者在这方面至少有10+年的积累才发出这种牛B的文章,所以这也暗示我们要沿着一个方向踏踏实实的做呀~现在关于图像分类的文转载 2013-09-19 15:19:16 · 1312 阅读 · 0 评论 -
特征提取代码
转自http://blog.csdn.net/xiaojidan2011/article/details/7976341Ø 颜色直方图提取:Code:#include #include #include using namespace std;int main( int argc, char** argv ){转载 2014-01-14 21:02:39 · 1855 阅读 · 1 评论 -
Spatial Pyramid的BOW和Pyramid HOG的多核
转自:http://blog.sciencenet.cn/blog-431829-392359.html经过我的实验,发现在基于模板法的object detection或者classification中,将Pyramid Histogram of Oriented Gradients (PHOG)和Spatial Pyramid Matching还有其他特征,如果你喜欢用的话,进行多核转载 2014-01-06 11:58:59 · 1050 阅读 · 0 评论 -
hog与phog
1)关于HoG的介绍可以参考博文:http://blog.csdn.net/kezunhai/article/details/88308602)而关于PHoG则可以参考:http://www.robots.ox.ac.uk/~vgg/research/caltech/phog.html3)PHoG源码下载(Matlab):http://www.robots.ox.ac.uk/~vg转载 2014-01-01 21:17:08 · 1364 阅读 · 0 评论 -
颜色矩
在颜色特征方面,为减小运算量,采用颜色矩作为检索的特征,分别提取被检测图像和数据库中图像的一、二、三阶矩。由于HSV颜色空间的色调、饱和度、明度与人眼对颜色的主观认识相对比较符合,与其他颜色空间相比HSV空间能更好的反映人类对颜色的感知,所以本文采用HSV颜色空间下的颜色矩作为颜色特征。使用曼哈顿距离进行颜色矩相似度度量。颜色信息集中在图像颜色的低阶矩中,主要是每种颜色分量的一阶矩(均值)、二原创 2013-12-16 15:21:11 · 5520 阅读 · 1 评论 -
PHOG descriptor
PHOG descriptorCodeDownload the PHOG code. It computes the PHOG descriptor over a Region Of Interest (ROI). If you want to compute the descriptor for the whole image the ROI is the image转载 2013-12-28 21:29:10 · 1187 阅读 · 0 评论 -
LBP
LBP(local banary patter)是一种非常经典的用来描述图像局部纹理特征的算子。1,基本LBPLBP方法自1994年提出,此后就作为一个有效的纹理特征,不断的被人使用和改进。LBP非常简单,也非常有效。左边的图是从一个图片上拿下来的3*3矩阵,矩阵上的值就是像素值,现在我们要计算的中间那个点的LBP。除了它此外的8个点依次与中间点比较,比它(也就是1转载 2013-12-13 20:48:52 · 976 阅读 · 0 评论 -
特征归一化
在Coding时经常需要复用一些之前写过的代码,开始有意识的将一些重复时候的代码独立成函数,方便后面调用。 在对图像提取特征后经常需要对其进行归一化,归一化方法很多,如对某一列向量 x⃗ ,找出该列向量中的 max(x⃗ ) , min(x⃗ ) ,对于列向量中某一元素,便可以利用 xi−min(x⃗ )xi−max(x⃗ ) 对其进行归一化,除了利用这种方法进行归一化外,我们还可以对向量 x转载 2013-10-27 21:57:12 · 1745 阅读 · 0 评论 -
局部图像特征描述概述
局部图像特征描述概述樊彬中国科学院自动化研究所 模式识别国家重点实验室 (CASIA NLPR) 局部图像特征描述是计算机视觉的一个基本研究问题,在寻找图像中的对应点以及物体特征描述中有着重要的作用。它是许多方法的基础,因此也是目前视觉研究中的一个热点,每年在视觉领域的顶级会议ICCV/CVPR/ECCV上都有高质量的特征描述论文发表。同时它也有着广泛的应用,举例转载 2013-09-26 17:42:46 · 1097 阅读 · 0 评论 -
Desesift
2006 CVPR, Kristen Grauman et al Unsupervised Learning of Categories from Sets of Partially Matching Image Features Another open question regarding the concepts presented is what par转载 2014-01-17 18:31:55 · 843 阅读 · 0 评论