![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像理论学之初
hdanbang
这个作者很懒,什么都没留下…
展开
-
opencv 学习笔记-入门(21)之三线性插值-hog(二)
c 图 1. 所谓的三线性插值指的是在(x,y,theta)这三个参数空间中进行插值,即x方向、y方向和梯度的角度空间,如图1所示,图中的象素点(x,y)在利用梯度幅值作为权重进行投票时,要根据该象素点距离其他格子中心的距离进行加权,同时该象素点的梯度方转载 2015-08-20 17:15:10 · 2201 阅读 · 0 评论 -
漫谈 Clustering (1): k-means
原文地址:http://blog.pluskid.org/?p=17好久没有写 blog 了,一来是 blog 下线一段时间,而租 DreamHost 的事情又一直没弄好;二来是没有太多时间,天天都跑去实验室。现在主要折腾 Machine Learning 相关的东西,因为很多东西都不懂,所以平时也找一些资料来看。按照我以前的更新速度的话,这么长时间不写 blog 肯定是要被闷坏的,所以我转载 2015-05-25 16:26:01 · 668 阅读 · 0 评论 -
漫谈 Clustering (3): Gaussian Mixture Model
本文是“漫谈 Clustering 系列”中的第 4 篇,参见本系列的其他文章。上一次我们谈到了用 k-means 进行聚类的方法,这次我们来说一下另一个很流行的算法:Gaussian Mixture Model (GMM)。事实上,GMM 和 k-means 很像,不过 GMM 是学习出一些概率密度函数来(所以 GMM 除了用在 clustering 上之外,还经常被用于 densi转载 2015-05-25 16:36:38 · 536 阅读 · 0 评论 -
图像处理与计算机视觉基础,经典以及最近发展(二)
11. Image Interpolation图像插值,偶尔也用得上。一般来说,双三次也就够了 [2000 TMI] Interpolation revisited 12. Image Matting也就是最近,我才知道这个词翻译成中文是抠图,比较难听,不知道是谁开始这么翻译的。没有研究,请看文章以及Richard Szeliski的转载 2015-05-24 15:00:18 · 1558 阅读 · 1 评论 -
图像处理与计算机视觉基础,经典以及最近发展(一)
图像处理与计算机视觉基础,经典以及最近发展 By xdyang(杨晓冬xdyang.ustc@gmail.com)http://www.iask.sina.com.cn/u/2252291285/ish 一、 绪论1.转载 2015-05-24 14:56:03 · 1178 阅读 · 1 评论 -
PCA的数学原理
PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。网上关于PCA的文章有很多,但是大多数只描述了PCA的分析过程,而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理,帮助读者了解PCA的工作机制是什么。当然我并不打算把文章写成转载 2015-05-24 11:25:56 · 379 阅读 · 0 评论 -
matlab中fspecial中生成高斯模板的解释以及c语言实现
下面这个函数是模拟fspecial中的生成高斯模板的函数。function h=makefilter(size,sigma) %size为模板大小 %sigma为标准差 %下面的代码其实是从fspecial中摘录出来的,我做了一些更改放到自己写的函数里面便于解释 %计算高斯模板的中心位置 siz = ([size转载 2015-04-28 13:59:06 · 1027 阅读 · 0 评论 -
高斯模糊的直观理解
原理 所谓“模糊”,可以理解成每一个像素都取周边像素的平均值,下图中,2是中间点,周边点都是1。 “中间点”取“周围点”的平均值,就会变成1.在数值上,这是一种“平滑化”。在图形上,就相当于产生了“模糊”效果,“中间点”失去了细节。显然,计算平均值时,取得范围越大,“模糊效果”越强烈。模糊半径越大,图像就越模糊,下图从左到有,模糊半径依次为3、5、10。原创 2015-04-17 11:05:50 · 569 阅读 · 0 评论 -
图像中的高斯模糊
注:博客中图表的大小难以调整,导致阅读不便,这里有其pdf版本:高斯模糊实现小结.pdf 高斯模糊是一种图像滤波器,它使用正态分布(高斯函数)计算模糊模板,并使用该模板与原图像做卷积运算,达到模糊图像的目的。N维空间正态分布方程为:其中,σ是正态分布的标准差,σ值越大,图像越模糊(平滑)。r为模糊半径,模糊半径是指模板元素到模板中心的距离。如二维模板大小为m转载 2015-04-17 11:03:10 · 1045 阅读 · 0 评论 -
漫谈 Clustering (2): k-medoids
上一次我们了解了一个最基本的 clustering 办法 k-means ,这次要说的 k-medoids 算法,其实从名字上就可以看出来,和 k-means 肯定是非常相似的。事实也确实如此,k-medoids 可以算是 k-means 的一个变种。k-medoids 和 k-means 不一样的地方在于中心点的选取,在 k-means 中,我们将中心点取为当前 cluster 中所有数转载 2015-05-25 16:31:48 · 515 阅读 · 0 评论 -
Regularized Gaussian Covariance Estimation
我之前写过一篇介绍 Gaussian Mixture Model (GMM) 的文章,并在文章里贴了一段 GMM 实现的 Matlab 示例代码,然后就不断地有人来问我关于那段代码的问题,问得最多的就是大家经常发现在跑那段代码的时候估计出来的 Covariance Matrix 是 singular 的,所以在第 96 行求逆的时候会挂掉。这是今天要介绍的主要话题,我会讲得罗嗦一点,把关于那篇转载 2015-05-25 16:37:49 · 1127 阅读 · 1 评论 -
关于DPM(Deformable Part Model)算法中模型可视化的解释
DPM源码(voc-release)中的模型可视化做的还算相当炫酷的,可以让我们直观的看到训练好的模型,甚至我们不用去做模型的评价,直接根据肉眼的观察,就能大致了解一个目标训练的好不好,比如我训练一个人体模型,那他的可视化图当然就是越接近人体越好。 下面是对DPM源码中有关模型可视化部分代码的分析,通过分析这些代码,有助于更好的理解DPM模型。 注意:我转载 2015-07-21 10:29:49 · 1174 阅读 · 0 评论 -
DPM(Deformable Parts Model)--原理(一)
DPM(Deformable Parts Model)Reference:Object detection with discriminatively trained partbased models. IEEE Trans. PAMI, 32(9):1627–1645, 2010."Support Vector Machines for Multiple-Instance转载 2015-07-20 16:06:44 · 392 阅读 · 0 评论 -
HOG:用于人体检测的梯度方向直方图 Histograms of Oriented Gradients for Human Detection
用于人体检测的方向梯度直方图Navneet Dalal,Bill Triggs 摘要 我们研究了视觉目标检测的特征集问题,并用线性SVM方法进行人体检测来测试,通过与当前的基于边缘和梯度的描述子进行实验对比,得出方向梯度直方图(Histograms of Oriented Gradient,HOG)描述子在行人检测方面表现更加突出。我们研究了计算过转载 2015-07-21 13:47:17 · 669 阅读 · 0 评论 -
在Windows下运行Felzenszwalb的Deformable Part Models(voc-release4.01)目标检测matlab源码
可变形部件模型Deformable Part Models是目前最好的目标检测算法,由Felzenszwalb提出,本文介绍如何在windows下运行Felzenszwalb给出的matlab源码。 有关Deformable Part Model参见论文 A Discriminatively Trained, Multiscale,Deformable Pa转载 2015-07-20 19:45:26 · 903 阅读 · 0 评论 -
行人检测(Pedestrian Detection)资源
行人检测(Pedestrian Detection)资源原文链接 http://hi.baidu.com/susongzhi/item/085983081b006311eafe38e7一、论文CVPR2013年行人检测相关的文章[1] Robust Multi-Resolution Pedestrian Detection in Traffic Scenes转载 2015-07-20 10:45:01 · 651 阅读 · 0 评论 -
目标检测(Object Detection)原理与实现(六)
基于形变部件模型(Deformable Part Models)的目标检测 上节说了基于cascade的目标检测,cascade的级联思想可以快速抛弃没有目标的平滑窗(sliding window),因而大大提高了检测效率,但也不是没缺点,缺点就是它仅仅是个很弱的特征,用它做分类的检测器也是弱分类器,仅仅比随机猜的要好一些,它的精度靠的是多个弱分类器来实行一票否决式推举转载 2015-08-24 14:42:42 · 513 阅读 · 0 评论 -
Opencv HOG行人检测 源码分析(一) 图画的很好看
OpenCV demo演示见本人的另一篇灌水博客 http://blog.csdn.net/soidnhp/article/details/11720801本人源码分析见 http://blog.csdn.net/soidnhp/article/details/11880425参考文献:《N. Dalal and B. Triggs, “Histograms of Oriented转载 2015-08-24 15:31:49 · 646 阅读 · 0 评论 -
漫谈 Clustering (番外篇): Vector Quantization
在接下去说其他的聚类算法之前,让我们先插进来说一说一个有点跑题的东西:Vector Quantization。这项技术广泛地用在信号处理以及数据压缩等领域。事实上,在 JPEG 和 MPEG-4 等多媒体压缩格式里都有 VQ 这一步。Vector Quantization 这个名字听起来有些玄乎,其实它本身并没有这么高深。大家都知道,模拟信号是连续的值,而计算机只能处理离散的数字信号,在将转载 2015-05-25 16:35:26 · 495 阅读 · 0 评论 -
harris角点检测的数学原理
一.harris角点检测的数学原理 对于harris角点检测,其主要思想就是:在图像设计中,用一个高斯窗口沿各个方向(0,360)上移动时,计算角点量,当角点量大值大于设定的阈值时,就把该窗口的中心像素点提取为角点。 用各个方向上像素差的平方和表示在高斯窗口中的变化量,其函数可以表示为:转载 2015-04-21 14:02:03 · 1448 阅读 · 0 评论 -
角点检测和匹配之Harris与FAST角点检测
这一章主要内容: 1. Harris角点检测 2. FAST特征检测 3. 尺度不变的SURF特征检测 4.SURF检测描述一、引言 在计算机视觉中,特征点或称兴趣点,角点(即图像的极值点,线段的终点,曲线曲率最大的点或水平、竖直方向上属性最大的点等等)被广泛应用。这些特征点是图像很重要的特征,对转载 2015-04-21 13:45:50 · 5480 阅读 · 0 评论 -
Distinctive Image Features from Scale-Invariant Keypoints-SIFT算法译文
从尺度不变的关键点选择可区分的图像特征David G.Lowe温哥华不列颠哥伦比亚省加拿大英属哥伦比亚大学计算机科学系Lowe@cs.ubc.ca2003年1月10日接受,2004年1月7日修改,2004年1月22日采用 摘要:本文提出了一种从图像中提取独特不变特征的方法,可用于完成不同视角之间目标或场景的可靠匹配的方法。这种特点对图像的尺度和旋转具有不变性。并跨越很大范围转载 2015-04-21 09:04:53 · 985 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之(八)
Deep Learning(深度学习)学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者:Zouxyversion 1.0 2013-04-08声明:1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参转载 2015-03-30 09:10:07 · 597 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之(七)
Deep Learning(深度学习)学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者:Zouxyversion 1.0 2013-04-08声明:1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参转载 2015-03-30 09:08:56 · 653 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之(五)
Deep Learning(深度学习)学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者:Zouxyversion 1.0 2013-04-08声明:1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参转载 2015-03-30 09:05:48 · 608 阅读 · 0 评论 -
SIFT算法详解 .
尺度不变特征变换匹配算法详解Scale Invariant Feature Transform(SIFT)Just For Funzdd zddmail@gmail.com or (zddhub@gmail.com)对于初学者,从David G.Lowe的论文到实现,有许多鸿沟,本文帮你跨越。如果你学习SIFI得目的是为了做检索,也许OpenSSE更适合你,欢迎使用。转载 2015-01-19 16:39:49 · 715 阅读 · 0 评论 -
【OpenCV】图像几何变换:旋转,缩放,斜切
几何变换几何变换可以看成图像中物体(或像素)空间位置改变,或者说是像素的移动。几何运算需要空间变换和灰度级差值两个步骤的算法,像素通过变换映射到新的坐标位置,新的位置可能是在几个像素之间,即不一定为整数坐标。这时就需要灰度级差值将映射的新坐标匹配到输出像素之间。最简单的插值方法是最近邻插值,就是令输出像素的灰度值等于映射最近的位置像素,该方法可能会产生锯齿。这种方法也叫零阶插值原创 2015-02-05 16:35:50 · 681 阅读 · 0 评论 -
Harris角点学习
Harris角点检测算子是于1988年由CHris Harris & Mike Stephens提出来的。在具体展开之前,不得不提一下Moravec早在1981就提出来的Moravec角点检测算子。1.Moravec角点检测算子 Moravec角点检测算子的思想其实特别简单,在图像上取一个W*W的“滑动窗口”,不断的移动这个窗口并检测窗口中的像素变化情况E。像素变化情转载 2014-12-08 22:44:46 · 670 阅读 · 0 评论 -
光流Optical Flow介绍与OpenCV实现 .
光流Optical Flow介绍与OpenCV实现zouxy09@qq.comhttp://blog.csdn.net/zouxy09 光流(optic flow)是什么呢?名字很专业,感觉很陌生,但本质上,我们是最熟悉不过的了。因为这种视觉现象我们每天都在经历。从本质上说,光流就是你在这个运动着的世界里感觉到的明显的视觉运动(呵呵,相对论,没有绝对的静止,也没有绝对转载 2014-12-08 14:16:16 · 747 阅读 · 0 评论 -
Hough transform(这篇文字比较形象地阐述了霍夫变换的基本原理,简单易懂)
霍夫变换是图像处理中从图像中识别几何形状的基本方法之一,应用很广泛,也有很多改进算法。最基本的霍夫变换是从黑白图像中检测直线(线段)。我们先看这样一个问题:设已知一黑白图像上画了一条直线,要求出这条直线所在的位置。我们知道,直线的方程可以用y=k*x+b 来表示,其中k和b是参数,分别是斜率和截距。过某一点(x0,y0)的所有直线的参数都会满足方程y0=转载 2014-12-04 16:08:10 · 1777 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之(一)
Deep Learning(深度学习)学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者:Zouxyversion 1.0 2013-04-08 声明:1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明转载 2015-03-30 08:59:10 · 645 阅读 · 0 评论 -
图像处理基本概念——卷积,滤波,平滑
/*今天师弟来问我,CV的书里到处都是卷积,滤波,平滑……这些概念到底是什么意思,有什么区别和联系,瞬间晕菜了,学了这么久CV,卷积,滤波,平滑……这些概念每天都念叨好几遍,可是心里也就只明白个大概的意思,赶紧google之~ 发现自己以前了解的真的很不全面,在此做一些总结,以后对这种基本概念要深刻学习了~*/1.图像卷积(模板)(1).使用模板处理图像相关概念:转载 2015-03-30 10:05:07 · 676 阅读 · 0 评论 -
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di转载 2015-04-20 15:44:14 · 629 阅读 · 0 评论 -
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,即使改变旋转角度转载 2015-04-20 15:14:38 · 659 阅读 · 0 评论 -
SIFT算法详解
尺度不变特征变换匹配算法详解Scale Invariant Feature Transform(SIFT)Just For Funzdd zddmail@gmail.com or (zddhub@gmail.com)对于初学者,从David G.Lowe的论文到实现,有许多鸿沟,本文帮你跨越。如果你学习SIFI得目的是为了做检索,也许OpenSSE转载 2015-04-19 21:51:32 · 568 阅读 · 0 评论 -
VS2008+OPENCV2.1配置Rob Hess的SIFT代码环境
SIFT的代码中Rob Hess的算是使用度比较高的一个,关于环境的配置的讲解网上也很多。最近用VS2008+OPENCV2.1配置了一个,不知道能不能给大家带来点经验。我只是用了VS和OPENCV,并没有安装GSL,个人感觉如果只是用代码中的Sample的话是不需要安装GSL的,而且Sample的代码中也没用到,就没有安装。Rob Hess代码的网址 http://blo转载 2015-04-22 11:23:52 · 716 阅读 · 0 评论 -
SIFT算法实现理解及注释详解(基于Rob Hess源码)
Rob Hess的SIFT算法实现理解及注释 SIFT算法不用我多解释了,这是一个很强大的算法,主要用于图像配准和物体识别等领域,但是其计算量相比也比较大,性价比比较高的算法包括PCA-SIFT和SURF其中OpenCV提供了SURF算法,但是为了方便理解。这里给出了Rob Hess所实现的SIFT算法的实现以及注释,结合我自己的理解,如果,您有关于SIFT算法不理解的地方咱转载 2015-04-22 11:16:22 · 813 阅读 · 0 评论 -
如何在Caffe中配置每一个层的结构
最近刚在电脑上装好Caffe,由于神经网络中有不同的层结构,不同类型的层又有不同的参数,所有就根据Caffe官网的说明文档做了一个简单的总结。1. Vision Layers1.1 卷积层(Convolution)类型:CONVOLUTION例子[plain] view plaincopylay转载 2015-04-10 16:40:29 · 794 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之LeNet-5卷积参数个人理解
Deep Learning(深度学习)学习笔记整理系列的地址是http://blog.csdn.net/zouxy09/article/details/8781543,里面举了一个卷积例子用来说明参数.一个典型的例子说明 一种典型的用来识别数字的卷积网络是LeNet-5(效果和paper等见这)。当年美国大多数银行就是用它来识别支票上面的手写数字的。转载 2015-03-31 09:47:52 · 1005 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记整理系列之(三)
Deep Learning(深度学习)学习笔记整理系列zouxy09@qq.comhttp://blog.csdn.net/zouxy09作者:Zouxyversion 1.0 2013-04-08声明:1)该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参转载 2015-03-30 09:01:27 · 398 阅读 · 0 评论