计算机视觉
聆听--风雨
这个作者很懒,什么都没留下…
展开
-
Matlab和OpenCv的混合编程,工具箱mexopencv
(1)mexopencv将大多数opencv中常用的接口集合成Matlab工具,在Matlab中可以随意的调用。原创 2016-08-11 09:27:45 · 13469 阅读 · 23 评论 -
SIFT 特征
尺度不变特征转换(Scale-invariant feature transform)优点:旋转,尺度,亮度变化具有不变性,适合在海量数据库中快速准确匹配。缺点:对于平滑的图像,特征点较少SIFT特征是在尺度空间中寻找到的极值点特征具体步骤如下:(1)构建高斯金字塔首先构造金字塔第一组(Octaves):将原图像与不同方差的高斯滤波器卷积形成多个分层构造金字塔下一组:将原创 2017-02-26 21:22:44 · 364 阅读 · 0 评论 -
MeanShift算法
算法步骤:1.构建目标图像的直方图,设Zi为目标图像的像素,则计算其概论密度函数2.以上一帧的中心点为搜索窗口的中心,计算当前搜索窗的概论密度函数3.计算两者相似性4.不断迭代得到最幼值原创 2017-03-16 22:42:19 · 647 阅读 · 0 评论 -
LBP特征
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。优点:旋转不变性和灰度不变性LBP特征:对像素周围的像素点进行采样,并根据与中心像素的大小关系进行编码,最小的编码即使特征值。提取步骤:(1)将图像分为若干个cell,比如16*16为一个cell;(2)对cell中的每一个像素都与周围的8个像素进行比较,如果大于中心像素记为原创 2017-02-26 16:10:14 · 671 阅读 · 0 评论 -
HOG特征
1.方向梯度直方图(Histogram Oriented Gradient)的优点图像的梯度其实就是二维离散函数的求导HOG是在图像的局部方格上操作,所以对图像几何形变和光学形变具有良好的适应性2.具体实现(1)灰度化(2)归一化,减少光照和噪点的影响(3)计算每一个像素的梯度(4)计算cell的梯度直方图(特征描述子,descriptor)360度分为9的原创 2017-02-26 15:50:00 · 484 阅读 · 0 评论 -
Adaboost+Haar
1.Boosting算法弱分类器:如果一个分类器的正确率仅仅比随机猜测好一点,称之为若分类器强分类器:如果一个分类器的正确率显著比随机猜测好,称之为强分类器事实证明:只要数据足够多,可以将弱分类器通过集成的方式提升到任意精度,这就是Boosting算法2.adaboost算法(1)Adaboost是一种基于级联分类器的分类器。级联分类器是将多个强分类器连接在一起的操作。强分类器原创 2017-02-26 14:12:09 · 833 阅读 · 0 评论 -
向量和矩阵的范数
原创 2017-03-08 20:46:14 · 322 阅读 · 0 评论 -
奇异值分解(SVD)
应用领域:PCA,图像压缩,图像搜索与特征值分解的对比:特征值分解只能分解方阵原创 2017-03-08 20:29:49 · 288 阅读 · 0 评论 -
图像增强
1.直方图均衡直方图均衡是一种使输出图像直方图近似服从均匀分布的变换算法。2.空域滤波增强空域滤波器分为线性滤波器和非线性滤波器。滤波器的工作原理都可借助频域进行分析。基本特点是让图像在傅立叶空间的某个范围的分量受到抑制而不影响其他分量。空域滤波器都是利用模版卷积。(1)平滑滤波器噪声往往出现在高频区域,平滑滤波器衰减高频分量,增强低频分量。缺陷是:在衰减噪声的同时会使图像原创 2017-02-23 20:13:10 · 797 阅读 · 0 评论 -
K-means算法和K临近算法
设定k个质心repeat遍历所有元素,选择最近的质心为一个簇重新计算每个簇的质心until 簇稳定不再变化或者到达最大迭代次数实践复杂度为O(tkn),t为迭代次数,k为质心个数原创 2017-02-28 17:16:28 · 1779 阅读 · 0 评论 -
PCA算法
PCA算法即主成成分分析算法,用于数据的降维计算。步骤如下:(1)准备样本数据(2)计算协方差矩阵协方差表示两个随机变量之间的关系,如果协方差为正值,说明两者正相关,如果为负值,说明两者负相关,如果为0则说明两者不相关(3)计算协方差矩阵的特征值(4)按照特征值从大到小排列(5)忽略特征值较小的维度对于一个训练集,100个对象模板,特征是10维,那么它可以建立一个1原创 2017-02-28 17:09:37 · 590 阅读 · 0 评论 -
SVM分类器算法
1.在样本空间中找出一个超平面,将不同类别的样本分开,一般来说,超平面越接近中间越好。距离超平面最近的几个训练样本点被成为“支持向量”,优化SVM即寻找异类支持向量的最大间隔2.对于线性不可分的样本,可以将其映射到更高维的空间,使其线性可分原创 2017-02-28 15:16:30 · 482 阅读 · 0 评论 -
光流法
光流法是空间运动体在成像平面的瞬间移动。1.基本原理光流法由一下几点假设:1.假设相邻帧之间的光照恒定2.相邻帧像素变化微小则:2.光流法目标跟踪的原理(1)对前一帧寻找关键点,可以随机生成也可以检测特征点(2)预测后一帧中特征点最可能出现的位置,从而确定目标的位置3.金字塔算法后期再详细了解原创 2017-03-13 22:50:27 · 2381 阅读 · 2 评论