图像处理、计算机视觉
文章平均质量分 92
图像处理基本概念、图像增强、图像复原、图像压缩、形态学处理、图像分割、模式识别、图像分析、计算机视觉等
Sin_Geek
Lovelife
展开
-
图像特征— —SURF特征
SURF特征是对SIFT特征的改进,其基本结构、步骤与SIFT相近,但具体实现的过程有所不同。SURF算法的优点是速度远快于SIFT且稳定性好。关于SIFT特征和Haar特征之前的文章有讲,这里主要就不赘述,请自行去查看~SURF算法主要步骤: 1. Hessian矩阵构建尺度空间构建特征点精确定位方向确定特征点描述SURF算法原理Hessian矩阵构建SIFT算法建立一幅图像的金字原创 2016-10-12 10:20:49 · 7318 阅读 · 0 评论 -
图像特征— —Gabor特征
Gabor变换属于加窗傅立叶变换,Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似。它在提取目标的局部空间和频率域信息方面具有良好的特性。虽然Gabor小波本身并不能构成正交基,但在特定参数下可构成紧框架。Gabor小波对于图像的边缘敏感,能够提供良好的方向选择和尺度选择特性,而且对于光照变化不敏感,能够提供对光照变化良好的原创 2016-09-25 17:02:17 · 21561 阅读 · 7 评论 -
图像特征— —SIFT特征
尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种计算机视觉算法,用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量。其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。局部影像特征的描述与侦测可以帮助辨识物体,SIFT 特征是基于物体上的一些局部外观的兴原创 2016-09-25 13:28:34 · 18550 阅读 · 3 评论 -
图像特征— —Haar特征
概念Haar特征分为:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如:脸部的一些特征能由矩形特征简单的描述,如:眼睛要比脸颊颜色要深,鼻梁两侧比鼻梁颜色要深,嘴巴比周围颜色要深等。但矩形特征只对一些简单的图形结构,如边缘、线段较敏感,所以只能描述特定走向(水原创 2016-09-24 20:36:28 · 2701 阅读 · 0 评论 -
图像特征— —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,具有旋转不变性和灰度不变性等显著的优点。一般用于纹理特征提取,提取的特征是图像的局部的纹理特征。LBP特征原始的LBP算子定义为在3*3的窗口内,以窗口中心像素为阈值,将相邻的8个像素的灰度值与其进行比较,若周围像素值大于中心像素值,则该像素点的位置被标记为1,否则为0。这样,3*3邻域内的8个原创 2016-09-24 18:46:37 · 3827 阅读 · 0 评论 -
图像特征— —HOG特征
概念计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。HOG特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。(1)主要思想:在一副图像中,局部目标的表象和形状(appearance and shape)能够被梯原创 2016-09-24 19:24:37 · 2920 阅读 · 0 评论