Computer Vision
文章平均质量分 79
Savitch
I have nothing to offer but blood toil tears and sweat
展开
-
对极几何——本质矩阵E和基础矩阵F
转载:http://blog.csdn.net/tanmengwen/article/details/7409886(1)Essential Matrix如上图所示,给定一个目标点P,以左摄像头光心Ol为原点。点P相对于光心Ol的观察位置为Pl,相对于光心Or的观察位置为Pr。点P在左摄像头成像平面上的位置为pl,在右摄像头成像平面上转载 2013-11-26 19:46:13 · 804 阅读 · 0 评论 -
SURF学习笔记
Speed-Up Robust Features(SURF) SURF 是一种尺度,旋转不变的detector和descriptor.最大的特点是快!在快的基础上保证性能(repeatability,distinctiveness 和robustness)。SURF采用有效策略的主要有:1)积分图(用于对图像卷积)2)detector是基于Hessian矩阵,des转载 2014-03-19 10:44:58 · 385 阅读 · 0 评论 -
初识图像检索技术
Google、百度、搜狗相继推出了识图搜索服务,能够以图片找图片,终于比基于文字的图片检索前进了一大步。以前一直认为在信息检索领域基于内容的图片检索大多数只停留在表面,直到这样的应用大量出现后才真正开始关注起基于内容的图片检索(CBR)。找了一些文章后发现,CBR在十年前已经研究得很丰富了,相关的理论框架也比较完善。原来工业界总是会落后于学术界,科研还是工业技术的排头兵啊。大致总结一下吧,也加深自转载 2014-03-19 16:33:15 · 282 阅读 · 0 评论 -
图像处理和计算机视觉中的经典论文(转)
前言:最近由于工作的关系,接触到了很多篇以前都没有听说过的经典文章,在感叹这些文章伟大的同时,也顿感自己视野的狭小。 想在网上找找计算机视觉界的经典文章汇总,一直没有找到。失望之余,我决定自己总结一篇,希望对 CV 领域的童鞋们有所帮助。由于自己的视野比较狭窄,肯定也有很多疏漏,权当抛砖引玉了,如果你觉得哪篇文章是非常经典的,也可以把相关信息连带你的昵称发给我,我好补上。我的信箱 xdyang.转载 2014-03-19 17:59:40 · 412 阅读 · 0 评论 -
基于内容的图像检索技(CBIR)术相术介绍
基于内容的图像检索技(CBIR)术相术介绍kezunhai@gmail.comhttp://blog.csdn.net/kezunhai 近20年来,计算机与信号处理领域如火如荼地发展着,随着普通计算机的性能不断地提高,人们对计算机处理信息的能力及要求不断地提高。传统的基于文本检索技术已经难以满足人们的需求,图片作为人们对周围世界的感知媒介转载 2014-03-19 16:33:54 · 580 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
///////////////////推荐博客//////////////////////////////////////xdyang的图像视觉小屋图像处理与计算机视觉经典论文(6)图像处理与分析(10)计算机视觉(8)模式识别和机器学习(12)[置顶] 图像处理与计算机视觉:基础,经典以及最近发展//////////////////转载 2014-03-19 22:21:46 · 435 阅读 · 0 评论 -
Bag of Features (BOF)图像检索算法
1.首先,我们用surf算法生成图像库中每幅图的特征点及描述符。2.再用k-means算法对图像库中的特征点进行训练,生成类心。3.生成每幅图像的BOF,具体方法为:判断图像的每个特征点与哪个类心最近,最近则放入该类心,最后将生成一列频数表,即初步的无权BOF。4.通过tf-idf对频数表加上权重,生成最终的bof。(因为每个类心对图像的影响不同。比如超市里条形码中的第一位转载 2014-03-20 10:46:38 · 594 阅读 · 0 评论 -
理解sparse coding
稀疏编码系列:(一)----Spatial Pyramid 小结(二)----图像的稀疏表示——ScSPM和LLC的总结(三)----理解sparse coding(四)----稀疏模型与结构性稀疏模型--------------------------------------------------------------------------- 前言转载 2014-03-20 19:34:11 · 407 阅读 · 0 评论 -
稀疏模型与结构性稀疏模型
稀疏编码系列:(一)----Spatial Pyramid 小结(二)----图像的稀疏表示——ScSPM和LLC的总结(三)----理解sparse coding(四)----稀疏模型与结构性稀疏模型---------------------------------------------------------------------------转载 2014-03-20 19:35:10 · 397 阅读 · 0 评论 -
图像的稀疏表示——ScSPM和LLC的总结
稀疏编码系列:(一)----Spatial Pyramid 小结(二)----图像的稀疏表示——ScSPM和LLC的总结(三)----理解sparse coding(四)----稀疏模型与结构性稀疏模型--------------------------------------------------------------------------- 前言转载 2014-03-20 19:32:43 · 491 阅读 · 0 评论 -
Meanshift,聚类算法
转载:http://www.cnblogs.com/liqizhou/archive/2012/05/12/2497220.html记得刚读研究生的时候,学习的第一个算法就是meanshift算法,所以一直记忆犹新,今天和大家分享一下Meanshift算法,如有错误,请在线交流。Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以转载 2014-03-21 11:06:42 · 253 阅读 · 0 评论 -
Spatial Pyramid 小结
稀疏编码系列:(一)----Spatial Pyramid 小结(二)----图像的稀疏表示——ScSPM和LLC的总结(三)----理解sparse coding(四)----稀疏模型与结构性稀疏模型---------------------------------------------------------------------------转载 2014-03-20 19:30:37 · 771 阅读 · 0 评论 -
GIST特征描述符使用
一种场景特征描述场景特征描述?通常的特征描述符都是对图片的局部特征进行描述的,以这种思路进行场景描述是不可行的。比如:对于“大街上有一些行人”这个场景,我们必须通过局部特征辨认图像是否有大街、行人等对象,再断定这是否是满足该场景。但这个计算量无疑是巨大的,且特征向量也可能大得无法在内存中存储计算。例如即使使用GIST进行1MB的图像数据搜索,也需要3.8GB的RAM转载 2014-04-17 17:51:35 · 861 阅读 · 1 评论 -
用Hough投票做物体检测的3篇文献
转载:http://blog.163.com/huai_jing@126/blog/static/1718619832011101463943869/文献1:Combined Object Categorization and Segmentation with an Implicit Shape Model,ECCV 04 Workshop。内容简介:用隐形状模型(Impli转载 2014-03-21 18:32:05 · 300 阅读 · 0 评论 -
用Hough投票做物体检测(续)
文献: Object Detection using a Max-Margin Hough Transform, CVPR 2009.用最大化margin的方法学习出参与投票的部分的权重, 用优化工具CVX求解。流程图如下: 文献: Recognition using Regions, CVPR 09.内容简介:提出了一个用区域来做物体检测、分割和分类的统一框架。具体地:转载 2014-03-21 18:35:06 · 762 阅读 · 0 评论 -
Log-Polar——关于对数极坐标
对数极坐标几何(Log-Polar Geometry)是为了仿真生物视网膜,比如人眼中央小凹,的成像原理而产生的,它具有数据压缩的特性。对 数极坐标系是一个二维坐标系,一个点的坐标由一个实数对 (ρ,θ) 决定,ρ 是该点到某一特定点(原点origin)的距离的对数,θ是过该点与原点的直线和某个参考直线(如x轴)所张的角度。一个类似于人眼的传感器阵列如左图所示,它由64层同心圆转载 2014-03-22 22:04:16 · 1044 阅读 · 1 评论 -
我的数学之美(一)——RANSAC算法详解
给定两个点p1与p2的坐标,确定这两点所构成的直线,要求对于输入的任意点p3,都可以判断它是否在该直线上。初中解析几何知识告诉我们,判断一个点在直线上,只需其与直线上任意两点点斜率都相同即可。实际操作当中,往往会先根据已知的两点算出直线的表达式(点斜式、截距式等等),然后通过向量计算即可方便地判断p3是否在该直线上。 生产实践中的数据往往会有一定的偏差。例如我们知道两个变量X与Y之间呈线性转载 2014-03-23 13:04:16 · 327 阅读 · 0 评论 -
TF-IDF模型的概率解释
信息检索概述信息检索是当前应用十分广泛的一种技术,论文检索、搜索引擎都属于信息检索的范畴。通常,人们把信息检索问题抽象为:在文档集合D上,对于由关键词w[1] … w[k]组成的查询串q,返回一个按查询q和文档d匹配度relevance(q, d)排序的相关文档列表D’。对于这一问题,先后出现了布尔模型、向量模型等各种经典的信息检索模型,它们从不同的角度提出了自己的一套解决方案。布转载 2014-03-23 23:40:48 · 273 阅读 · 0 评论 -
Pascal VOC Challenge
补充: PASCAL VOC (Visual Object Challenge) 计算机视觉里面很大一块是在做物体的识别、检测还有分类(object recognition, detection and classification)。几乎在每一个应用领域都需要用到这三项功能,所以能否顺利的完成这三个功能,对检验一个算法的正确性和效率来说是至关重要的。所以每一个算法的设计者都会运原创 2013-10-13 23:22:26 · 1612 阅读 · 0 评论 -
自然图像抠图/视频抠像技术发展情况梳理(image matting, alpha matting, video matting)--计算机视觉专题1
自然图像抠图/视频抠像技术发展情况梳理Sason@CSDN持续更新.当前更新日期2013.03.05, 添加Fast Mating、Global Matting、视频扣像。当前更新日期2013.04.23, 添加2本Computer Vision书籍中相关章节。当前更新日期2013.07.21, 添加CVPR 2013中2篇论文。当前更新转载 2014-04-14 13:52:56 · 908 阅读 · 0 评论 -
单应性(同义词直射变换、射影变换和射影性等)(来自wiki)
单应性是几何中的一个概念。单应性是一个从实射影平面到射影平面的可逆变换,直线在该变换下仍映射为直线。具有相同意义的词还包括直射变换、射影变换和射影性等,[1] 不过“直射变换”也在更广义的范围内使用。形式化地说,射影变换是一种在射影几何中使用的变换:它是一对透视投影的组合。它描述了当观察者视角改变时,被观察物体的感知位置会发生何种变化。射影变换并不保持大小和角度,但会保持重合关系和交比——原创 2013-11-26 19:48:16 · 884 阅读 · 0 评论 -
如何根据相机的参数知道摄像机的内参数矩阵
摄像机的透视投影模型(即针孔成像模型): 设OXYZ为世界坐标系,uv为以像素为单位的图像坐标系。如果物点P在世界坐标系下的坐标为(X,Y,Z),对应的图像点p在图像坐标系的坐标为(u,v),可以有: 在该式中,fu、fv、u0、v0只与摄像机内部参数有关,故称矩阵M1为内参数矩阵。 其中fu = f/dX转载 2013-11-26 17:26:36 · 403 阅读 · 0 评论 -
尺度空间
转载:http://blog.sina.com.cn/s/blog_661159d50100hv89.html上个星期,老板让我说些关于尺度空间的事,所以我用了一星期的时间,写了这篇关于高斯尺度空间的综述,希望对那些刚入图像们的朋友们带来一些帮助 也希望大家常光临我博客,希望搞图像的朋友们,我们一起交流,。因为有很多公式复制不过来,。所以我就用图片了。转载 2014-03-11 19:54:01 · 314 阅读 · 0 评论 -
小波变换和motion信号处理(三)
从前两篇发布到现在,过去一年多了。当初承诺的主要讲解应用的第三篇迟迟没能出炉的原因主要是这个方法用到了我们组的一篇论文中,所以在论文发表之前,不大方便发出来。倒不是说这个方法有多原创创新,只是这是团队工作,我单独提前发出来不大好。现在这篇论文已经录取发表,所以可以不用顾虑放上来了。我本来想讲的东西都在论文中,我也比较懒,就不再翻译一遍了。各位感兴趣的可以从这里下载。因为篇幅原因,和小波相关转载 2014-03-12 17:52:40 · 291 阅读 · 0 评论 -
小波变换和motion信号处理(一)
这是《小波变换和motion信号处理》系列的第一篇,基础普及。第二篇我准备写深入小波的东西,第三篇讲解应用。记得我还在大四的时候,在申请出国和保研中犹豫了好一阵,骨子里的保守最后让我选择了先保研。当然后来也退学了,不过这是后话。当时保研就要找老板,实验室,自己运气还不错,进了一个在本校很牛逼的实验室干活路。我们实验室主要是搞图像的,实力在全国也是很强的,进去后和师兄师姐聊,大家都在搞什么小转载 2014-03-12 17:49:22 · 467 阅读 · 1 评论 -
小波变换和motion信号处理(二)
这是《小波变换和motion信号处理》系列的第二篇,深入小波。第一篇我进行了基础知识的铺垫,第三篇主要讲解应用。在上一篇中讲到,每个小波变换都会有一个mother wavelet,我们称之为母小波,同时还有一个father wavelet,就是scaling function。而该小波的basis函数其实就是对这个母小波和父小波缩放和平移形成的。缩放倍数都是2的级数,平移的大小和当前其缩放转载 2014-03-12 17:50:56 · 189 阅读 · 0 评论 -
Hough变换原理
转载:http://dreamchinazyy.blog.163.com/blog/static/4046322020090810178233/国内外对Hough变换的研究及应用动态 Hough变换于1962年由Paul Hough提出,并在美国作为专利被发表。它所实现的是一种从图像空间到参数空间的映射关系。由于具有一些明显优点和可贵性质,它引起了许多国内外学者和工程技术人员的普转载 2014-03-07 23:37:43 · 662 阅读 · 0 评论 -
SIFT特征提取分析
转载:http://blog.csdn.net/abcjennifer/article/details/7639681SIFT(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转载 2014-03-14 17:57:22 · 180 阅读 · 0 评论 -
从K近邻算法、距离度量谈到KD树、SIFT+BBF算法
转载:http://blog.csdn.net/v_july_v/article/details/8203674 从K近邻算法、距离度量谈到KD树、SIFT+BBF算法前言 前两日,在微博上说:“到今天为止,我至少亏欠了3篇文章待写:1、KD树;2、神经网络;3、编程艺术第28章。你看到,blog内的文章与你于别处所见的任何都不同。于是,等啊等,等一台转载 2014-03-14 22:47:17 · 276 阅读 · 0 评论 -
Harris 角点检测子
目标本教程中我们将涉及:有哪些特征?它们有什么用?使用函数 cornerHarris 通过 Harris-Stephens方法检测角点.理论有哪些特征?在计算机视觉中,我们通常需要寻找两张图上的匹配关键点。为什么?因为一旦我们知道了两张图是相关联的,我们就可以使用 *both 图像来提取它们中的信息。是指匹配关键点 是指在场景转载 2014-03-15 14:24:49 · 323 阅读 · 0 评论 -
Harris角点检测算法 1
今天看3D(时空域) Harris角点的检测,发现网上关于此的中文内容很少,所以决定写两篇文章,分享一下自己的心得。第一篇是关于在空域上的Harris角点检测。 在我们解决问题时,往往希望找到特征点,“特征”顾名思义,指能描述物体本质的东西,还有一种解释就是这个特征微小的变化都会对物体的某一属性产生重大的影响。而角点就是这样的特征。观察日常生活中的“角落”就会发现,“角落”转载 2014-03-15 15:40:35 · 388 阅读 · 0 评论 -
双边滤波器的原理及实现
转载:http://blog.csdn.net/abcjennifer/article/details/7616663双边滤波器是什么?双边滤波(Bilateral filter)是一种可以保边去噪的滤波器。之所以可以达到此去噪效果,是因为滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。可以与其相比较的两个filter:高斯低通滤转载 2014-03-14 23:12:05 · 392 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。1、SIFT综述尺度不变特征转换(Scale-invariant feature trans转载 2014-03-15 00:11:28 · 283 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 2014-03-15 15:09:36 · 299 阅读 · 0 评论 -
【OpenCV】角点检测:Harris角点及Shi-Tomasi角点检测
角点特征检测与匹配是Computer Vision 应用总重要的一部分,这需要寻找图像之间的特征建立对应关系。点,也就是图像中的特殊位置,是很常用的一类特征,点的局部特征也可以叫做“关键特征点”(keypoint feature),或“兴趣点”(interest point),或“角点”(conrner)。关于角点的具体描述可以有几种:一阶导数(即灰度的梯度)的局部最大所对转载 2014-03-15 14:25:45 · 304 阅读 · 0 评论 -
双线性插值(Bilinear Interpolation)
转载:http://www.cnblogs.com/xpvincent/archive/2013/03/15/2961448.html最近用到插值算法,使用三次样条插值时仿真速度太慢,于是采用算法简单的线性插值。本篇主要介绍一下双线性插值的实现方法。1. 线性插值已知坐标 (x0, y0) 与 (x1, y1),要得到 [x0, x1] 区间内某一位置 x 在直线上转载 2014-03-15 20:49:51 · 399 阅读 · 0 评论 -
图像放缩中最近邻插值和双线性插值的基本原理
图像的缩放很好理解,就是图像的放大和缩小。传统的绘画工具中,有一种叫做“放大尺”的绘画工具,画家常用它来放大图画。当然,在计算机上,我们不再需要用放大尺去放大或缩小图像了,把这个工作交给程序来完成就可以了。下面就来讲讲计算机怎么来放大缩小图象;在本文中,我们所说的图像都是指点阵图,也就是用一个像素矩阵来描述图像的方法,对于另一种图像:用函数来描述图像的矢量图,不在本文讨论之列。越是简单的模型越转载 2014-03-18 09:18:47 · 197 阅读 · 0 评论 -
距离变换
z距离变换和线性滤波器,形态学变换处于平等位置,是图像处理的一种方法,通过使用两遍扫描光栅算法可以快速计算到曲线或点集的距离。应用:水平集快速斜切匹配图像拼接图像混合的羽化临近点配准方法:首先对图像进行二值化处理,然后给每个像素赋值为离它最近的背景像素点与其距离(Manhattan距离or欧氏距离),得转载 2014-04-08 11:00:33 · 329 阅读 · 0 评论