![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像
轩动day
intel_do_flush_locked failed: Invalid argument
展开
-
Marker-controlled 漫水填充分割算法
http://cn.mathworks.com/products/demos/image/watershed/ipexwatershed.htmlMarker-Controlled Watershed SegmentationSeparating touching objects in an image is one of the more difficult image pr原创 2015-02-01 09:02:35 · 2471 阅读 · 0 评论 -
混合高斯模型用于图像分割
http://download.csdn.net/detail/dayenglish/8384547代码下载请到上面的资源页面。整个代码的思想是利用混合高斯模型计算出每个像素属于K个高斯模型中某一个的概率值,利用这个概率值取代原来的像素值达到分割图像的目的,实质是通过像素的聚类达到分割的目的。因为需要根据高斯模型求得某一个像素的概率值,因此第一步就是建立高斯模型。至于建多少个高斯模型需要手原创 2015-02-01 09:05:25 · 8883 阅读 · 3 评论 -
Image Smoothing Via L0 Gradient Minimization
论文对图像平滑提出了两个条件,第一:平滑后的图像必须非常接近原来的图像;第二:图像平滑后必须保证边缘不变。对上面两个条件建模得到如下公式:其中Sp是第p次平滑之后的图像,而Ip是源图像,I不随p的变化而变化。函数C如下公式所示:这个函数主要用于统计平滑图像垂直和水平方向的梯度不为0的像素之和,也就是保持图像的边界不变。lamda是一个变量控制C和前面的累加的关系。然而这个函原创 2015-01-18 12:23:56 · 3774 阅读 · 2 评论 -
Saliency Detection: A Spectral Residual Approach
clearclc%% Read image from file inImg = im2double(rgb2gray(imread('yourImage.jpg')));inImg = imresize(inImg, 64/size(inImg, 2));%% Spectral ResidualmyFFT = fft2(inImg); myLogAmplitude =原创 2015-06-26 10:20:57 · 1259 阅读 · 0 评论 -
读CVPR2014论文<Saliency Optimization from Robust Background Detection>
在显著性检测中,利用背景先验进行检测是一种有效的方式。目前大多数方法是基于图像区域是否与图像边缘关联来判断当前区域是否可以作为背景先验信息,这样的方法很容易引入前景噪声。文章作者所提出的方法中,主要利用连续性来提高背景先验的鲁棒性。通俗一点说就是:目标区域不大可能与图像关联,即使与图像发生关联也只是目标区域中的很小一部分。示意图如下:在整个图像中存在四个区域,每一个图像都和图像边缘发生了关联。原创 2016-04-28 16:52:25 · 4643 阅读 · 8 评论 -
VISUAL SALIENCY DETECTION BASED ON BAYESIAN MODEL
文章主要利用贝叶斯推导模型来得到显著性检测映射图。贝叶斯推导模型的计算公式如下图:后验概率的意义是,在已知当前像素点的条件下,当前像素点为显著性目标的概率。为了构建上诉贝叶斯概率模型,需要提前计算出显著性值以及得到显著性区域。稳重利用color boost方法来计算焦点检测,有效的利用角点所构建出来的凸包区域来计算大致的显著性区域。由于凸包能够很好的将图像区域分割为两个部分,也就大致得原创 2016-05-04 11:16:51 · 1340 阅读 · 1 评论