Rachel Zhang的专栏

原创 Stanford机器学习---第二讲. 多变量线性回归 Linear Regression with multiple variable

本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。所有内容均来自Standford公开课machine learning中A

原创 Stanford机器学习---第一讲. Linear Regression with one variable

本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。所有内容均来自Standford公开课machine learning

原创 特征检测和跟踪经典理论

特征检测和跟踪的经典文献是Shi and Tomasi 1994的文章（见参考文献），虽然年代久远但非常经典。这个paper中提出了一个特征提取方法，一个基于图像仿射变换模型(并论证了只需仿射变换中的translation分量而无需deformation分量)的跟踪算法和一个跟踪时进行特征监测（判断哪些是好feature，哪些是坏feature）的技术。特征提取针对最优化tracking设计，可以

原创 浙大计算机研究生复试上机考试-2009年

http://acm.hdu.edu.cn/showproblem.php?pid=3782XXX定律[cpp] view plaincopy#include "iostream"  using namespace std;  int main()  {      int n;      while (cin>>n

原创 Matlab 线性拟合 & 非线性拟合

使用Matlab进行拟合是图像处理中线条变换的一个重点内容，本文将详解Matlab中的直线拟合和曲线拟合用法。关键函数：fittypeFit type for curve and surface fittingSyntaxffun = fittype(libname)ffun = fittype(expr)ffun = fittype({expr1,..

原创 特征提取方法 SIFT,PCA-SIFT,GLOH,SURF

在前面的blog中，我们已经讲了SIFT的原理，这里我们再详细讲解SIFT的变体：PCA-SIFT和GLOH。– Scale invariant feature transform (SIFT): Lowe, 2004.– PCA-SIFT: SIFT: Ke and Sukthankar 2004 Ke and Sukthankar, 2004.– Gradient locati

原创 多种特征提取算法比较汇总

原创 SIFT特征提取分析

SIFT（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，详细解析如下：算法描述SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能

原创 DoG (Difference of Gaussian)角点检测

DoG (Difference of Gaussian)是灰度图像增强和角点检测的方法，其做法较简单，证明较复杂，具体讲解如下:Difference of Gaussian(DOG)是高斯函数的差分。我们已经知道可以通过将图像与高斯函数进行卷积得到一幅图像的低通滤波结果，即去噪过程，这里的Gaussian和高斯低通滤波器的高斯一样，是一个函数，即为正态分布函数。那么differen

翻译 OpenCV基本数据类型

Point_[cpp] view plaincopytypedef Point_int> Point2i;  typedef Point2i Point;  typedef Point_float> Point2f;  typedef Point_double> Point2d;  Point3_[cpp] view plaincopytypedef Point3_int> Point3i;  t

原创 图像拉普拉斯金字塔融合（Laplacian Pyramid Blending）

本文将介绍图像金字塔以及拉普拉斯融合的相关知识。图像金字塔================================================一般的的线性变换通过将一幅图像乘以transform函数分成不同的components。离散傅里叶变换、离散余弦变换、奇异值分解 和 小波变换 都以拉普拉斯金字塔和其他奖采样变换为简单基础。真实数字

原创 图像傅里叶变换

冈萨雷斯版里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样, 傅立叶变换使我们能通过频率成分来分析一个函数。Fourier theory讲的就是：任何信号（如图像信号）都可以表示成