沉心修炼

因为在三维变换协通滤波中用到了模板匹配，因此照着维基百科进行了基础的学习，算是整理，也算是翻译吧    简介       模板匹配算法是用区域块匹配，主要用来做视频图像中的运动估计，可以去除图像序列时间冗余性（背景一般是不变化的）。模板匹配包括图像快分割以及比较操作，建立运动向量用来表示不同帧中某一块的位移信息。搜索区域对于一个好的匹配至关重要，定义为搜索参数p，指某一

PCA原理及MATLAB实现

贝叶斯分类

支持向量机由于其优异的性能，在机器学习中与神经网络共享美誉。支持向量机的前身是最优间隔分类问题，在后者基础上加上核函数，便摇身一变为了SVM。本文参考周志华《机器学习》以及吴恩达网易公开课《机器学习》

11行python代码实现神经网络原文网址：http://iamtrask.github.io/2015/07/12/basic-python-network/

逻辑回归

图像去噪       图像去噪是信号处理的一个经典问题，传统的去噪方法多采用平均或线性方法进行，常用的是维纳滤波，但是去噪效果不太好（维纳滤波在图像复原中的作用）。随着小波理论的日益完善，其以自身良好的时频特性在图像去噪领域受到越来越多的关注，开辟了用非线性方法去噪的先河。

盲去卷积的原理及在图像复原的应用

图像退化/复原模型     g(x,y) = h(x,y)*f(x,y)+n(x,y)     频域：G(u,v) = H(u,v)F(u,v) +N(u,v)     其中f(x,y)为原始图像，h(x,y)为退化函数，n(x,y)为噪声函数，目标就是根据观测图像g(x,y)以及一些先验或者估计信息复原f(x,y)     图像复原的核心内容就是估计退化函数，因为当噪声N

机器学习实战之决策树

k近邻学习

这篇文章是撸主要介绍人脸识别经典方法的第一篇，后续会有其他方法更新。特征脸方法基本是将人脸识别推向真正可用的第一种方法，了解一下还是很有必要的。特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法) 。本文的参考资料附在最后了^_^步骤一：获取包含M张人脸图像的集合S。在我们的例子里有25张人脸图像（虽然是25个不同人的人脸的图像，但是看着怎

目前是我图像处理大作业学习的论文，目前可能有的专业术语还不准确，欢迎指正、讨论           原文：Image denoising by sparse 3D transform-domain collaborative ltering，ACCEPTED. TO APPEAR IN IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 16, N

本文为针对我所研究的课题水下成像所学习文献的总结，欢迎交流、批评指正。如需源程序、文献等请私信。 原文：A Globally Seeing through Water:Image Restoration using Model-based Tracking（The Robotics Institute, Carnegie Mellon University）.2009 IEEE 12th

Levenberg–Marquardt算法学习

决策树算法以及MATLAB函数使用决策树的生成是一个递归的过程，在决策树算法

流形学习　　假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，以实现维数约简或者数据可视化。它是从观测到的现象中去寻找事物的本质，找到产生数据的内在规律。流形学习方法是模式识别中的基本方法，分为线性流形学习算法和非线性流形学习算法，线性方法就是传统的方法如主成分分析（PCA）和线性判别分析（LDA）

共同点：SIFT/SURF为了实现不同图像中相同场景的匹配，主要包括三个步骤：1、尺度空间的建立；2、特征点的提取；3、利用特征点周围邻域的信息生成特征描述子4、特征点匹配。从博客上看到一片文章，http://blog.csdn.net/cy513/archive/2009/08/05/4414352.aspx，这一段的大部分内容源于这篇文章，推荐大家去看看。如果两幅图

coursera课程，斯坦福Andrew Ng的机器学习编程作业答案（2-9章，共8个），本来也不难，主要是怕哪出遇到死胡同，可以参考一下。http://download.csdn.net/detail/mingtian715/9720249

K-means算法是最简单的一种聚类算法。算法的目的是使各个样本与所在类均值的误差平方和达到最小（这也是评价K-means算法最后聚类效果的评价标准）