图像处理进阶知识
文章平均质量分 75
图像处理进阶知识
Coming_is_winter
图像技术新手,记录所思所想,纰漏在所难免,还望不吝赐教。
概率线代微积分才是王道。
展开
-
图像处理之图像分割(一)之活动轮廓模型:Snake算法简单梳理
图像处理之图像分割之Snake算法简单梳理 Snake算法,应该也可以翻译成蛇形算法,或者是包含曲折前进的意思。具体函数背景原理介绍参考:zouxy09,http://blog.csdn.net/zouxy09/article/details/8712287,图像分割之(五)活动轮廓模型之Snake模型简介,这里还是就几个自己思考的重点拓展一下。 1. 这原创 2017-06-12 22:29:15 · 14753 阅读 · 2 评论 -
图像处理之前景检测(四)之自组织背景检测(SOBS)(转载)
图像处理之前景检测(四)之自组织背景检测(SOBS)(转载) 一种基于自组织神经网络(self-Organizing through artificial neural networks)的背景减除算法(简称SOBS算法,全名:Self-Organizing Background Subtraction),用于智能视频监控系统中的目标检测,该算法不仅对光照具有较强的转载 2018-01-09 20:21:09 · 1404 阅读 · 1 评论 -
图像处理之前景检测(三)之码本(codebook)(主要为代码升级)
图像处理之前景检测(三)之码本(codebook) CodeBook算法的基本思想是得到每个像素的时间序列模型。这种模型能很好地处理时间起伏,缺点是需要消耗大量的内存。CodeBook算法为当前图像的每一个像素建立一个CodeBook(CB)结构,每个CodeBook结构又由多个CodeWord(CW)组成。 具体原理讲解参考: 野藤原创 2018-01-06 20:49:31 · 7137 阅读 · 1 评论 -
图像处理之前景检测(一)之单高斯模型(主要为代码升级)
图像处理之前景检测(一)之单高斯模型 运动前景对象检测一直是国内外视觉监控领域研究的难点和热点之一,其目的是从序列图像中将变化区域从背景图像中提取出来,运动前景对象的有效检测对于对象跟踪、目标分类、行为理解等后期处理至关重要,那么区分前景对象,非常关键的一个问题是确定一个非常合适的背景,背景从象素的角度来理解,每一个象素就是有可能是前景点,也有可能是背景点,那么我们就要防止原创 2018-01-04 20:20:28 · 1444 阅读 · 2 评论 -
图像处理之前景检测(二)之混合高斯模型(主要为知识梳理)
图像处理之前景检测(二)之混合高斯模型 混合高斯模型使用K(基本为3到5个)个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型,他主要是由方差和均值两个参数决定,,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛原创 2018-01-06 16:40:26 · 3122 阅读 · 0 评论 -
图像处理之目标跟踪(二)之MOSSE滤波简单梳理
图像处理之目标跟踪(二)之MOSSE滤波简单梳理 2010年CVPR,David S.Bolme在文章《visual object tracking using adaptive correlation filters》中首次将相关滤波用在了跟踪领域,其中提出了最小化平方和误差(MOSSE)(Minimum Output Sum of Squared Er...原创 2018-01-22 20:25:55 · 2805 阅读 · 0 评论 -
图像处理之目标跟踪方法 简单分类 罗列
图像处理之目标跟踪 简单分类 罗列 目标跟踪发展十分快,门类非常多,这里简单将其罗列,主要参考: HakaseH Tracking Benchmark for Correlation Filters 另外推荐: foolwood Benchmark Results原创 2018-01-13 09:23:36 · 3243 阅读 · 0 评论 -
图像处理之目标跟踪(一)之卡尔曼kalman滤波跟踪(主要为知识梳理)(转载)
图像处理之目标跟踪(一)之卡尔曼kalman滤波跟踪(主要为知识梳理)(转载) 内容不是一篇文章的转载而是几篇内容的综合梳理. 主要来源: EmbeddedApp 运动目标跟踪(一)--搜索算法预测模型之KF,EKF,UKF(文献1,主要是原理的梳理,十分详细) -Sherma...转载 2018-01-12 22:40:52 · 73660 阅读 · 9 评论 -
图像处理之特征提取(一)之HOG特征简单梳理
图像处理之特征提取:HOG特征简单梳理 HOG方向梯度直方图,这里分解为方向梯度与直方图。一、方向梯度梯度:在向量微积分中,标量场的梯度是一个向量场。标量场中某一点上的梯度指向标量场增长最快的方向,梯度的长度是这个最大的变化率。更严格的说,从欧几里得空间Rn到R的函数的梯度是在Rn某一点最佳的线性近似。在这个...原创 2017-06-03 10:08:55 · 54389 阅读 · 27 评论 -
图像处理之特征提取(三)之SIFT简单梳理
图像处理之特征匹配特征提取之SIFT简单梳理 学习SIFT一段时间,有些东西理解不透彻,且网上没有清晰解释。以下内容为自己的胡思乱想,均无确切依据,辩证看待。 SIFT,即尺度不变特征变换(Scale-invariant feature transform,SIFT),“尺度”的直观第一印象就是大小,尺度不变就是和图片的大小没有关系,简单的SIFT的理解是最后检测出来的特原创 2017-06-21 22:58:53 · 6546 阅读 · 0 评论 -
图像处理之特征提取(二)之LBP特征简单梳理
图像处理之特征提取:LBP特征简单梳理 LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子,具有多分辨率、灰度尺度不变、旋转不变等特性。主要用于特征提取中的纹理提取。 纹理是个什么概念呢?具体定义为:泛指物体面上的花纹或线条,是物体上呈现的线形纹路。在图像处理中一般理解也就是灰度变化引起的某些特征反应。具体深一步了解:Che原创 2017-06-04 16:58:11 · 14176 阅读 · 0 评论 -
图像处理之图像分割(三)之图割(Graph cut)分割简单梳理
图像处理之图像分割之简单梳理 Graph cuts是一种十分有用和流行的能量优化算法,在计算机视觉领域普遍应用于前背景分割(Image segmentation)、立体视觉(stereo vision)、抠图(Image matting)等。 此类方法把图像分割问题与图的最小割(min cut)问题相关联。首先用一个无向图G=,E>表示要分原创 2017-12-31 20:18:41 · 5633 阅读 · 1 评论 -
图像处理之图像分割(二)之边缘分割之边缘松弛
图像分割之边缘分割之边缘松弛 对于书中的边缘松弛算法进行一下拓展,,便于理解。 代码方面还没头绪,后续再说。原创 2017-12-21 21:42:15 · 2267 阅读 · 0 评论 -
图像处理之前景检测(五)之基于样本一致性背景检测(SACON)(主要为代码升级)
图像处理之前景检测(五)之基于样本一致性背景检测(SACON) SACON(SAmple CONsensus)算法是基于样本一致性的运动目标检测算法。该算法通过对每个像素进行样本一致性判断来判定像素是否为背景。 具体原理参考: Belial_2010 基于样本一致性的背景减除运动目标检测算法(SACON)(文献1)原创 2018-01-10 20:01:04 · 1418 阅读 · 4 评论