![](https://img-blog.csdnimg.cn/direct/df01dc305fe4440a86a3ba744f6fa74d.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
基础算法学习
文章平均质量分 80
各类基础算法学习
Hilary煜
但行好事,莫问前程。
展开
-
顶帽变换(Top_hat)算法(学习笔记)
红外图像中的弱小目标的目标属性包涵“弱"和“小’’两个方面:“弱’’是指目标在红外波长上所表现出来的强度,具体反映到所拍摄的红外图像上,就是指目标的灰度值;而“小’’是指目标的尺寸大小,也就是前面所述的成像面积很小,反映到红外图像上就是指目标所占的像素数目很少。SPIE国际光学工程学会(Societyof Photo一0ptical Instrumentation Engineers,简记为SPIE)从1989年开始,几乎每年都会举办有关弱小目标检测技术的国际会议,研讨弱小目标检测技术的最新研究成果。根据S原创 2024-04-16 13:57:50 · 574 阅读 · 1 评论 -
LCM局部对比度检测原理(学习笔记)
我们知道这个kernel是在图片上进行滑动的,那么他一直滑啊滑,终于有一天,这个kernel的正中央(0号区域)滑到了目标的位置,这样,0号区域中的灰度和周围8领域的灰度差异就显现出来了。此时,通过contrast的计算方法,我们可以分别计算出1-8号区域与0号区域的contrast,也就分别代表了0号区域的灰度与其他区域之间的灰度差异。公式里,i代表1-8号区域的序号,N是每个区域内像素点的总数,j代表每个区域内像素点的序号,I代表像素点的灰度值。之前我们说过,我们要定量的描述目标和背景之间灰度的差异。原创 2024-04-01 14:58:42 · 944 阅读 · 0 评论 -
图像显著性检测算法(学习笔记)
剩下的像素颜色,包含不高于5%的图像像素,这部分颜色被。基于局部对比度的方法,先将图像分割成小区域,采用的分割方法是基于图的分割,基本分割思想是将每个像素点作为无向图的顶点,两个像素点之间的不相似度作为边的权重,要求连接相同区域内的两个顶点的边的最大权重要小于连接不同区域的顶点的边的最小权重,在迭代过程中进行顶点归纳与区域合并。其中:Iu为图像的平均特征,使用Lab颜色特征,后一项为像素p在高斯平滑后的Lab颜色特征,||.||为L2范式,即计算前一项和后一项在了Lab颜色空间的。1*256矩阵记录。原创 2024-03-13 15:14:44 · 1628 阅读 · 0 评论