Computer Vision
文章平均质量分 71
萝卜羊
Imaging and camera software engineering / 机器视觉与机器学习 / 目标检测与识别 / 图像质量评价 / 承接各种图像处理相关项目。
展开
-
Gabor滤波器小结
从之前的Blog挪过来的一.房屋检测小结 一开始,直接用LSD(Line Segment Detector)检测VHR(Very High Resolution)遥感卫星图像中的房屋,效果很屎。效果很屎的主要原因是因为存在各种干扰,概括下来,主要有: 1. 道路。道路干扰性强主要是因为道路呈现各种形态,弯曲,笔直,宽度不一。同时还有桥梁也影响检测率,桥梁附近原创 2012-10-30 12:31:58 · 1197 阅读 · 0 评论 -
CVPR2012-On Multiple Foreground Cosegmentation
本文要解决问题的基本定位是多前景分割问题,同时分为监督与分监督两种工作方式。本文贡献的解决方案是迭代优化;整体算法主要包括2个子过程-前景建模和区域标号。 前景的建模过程分别基于GMM和SVM对颜色和SIFT为每个前景建模(所有的背景也当做一个前景)。本文还将GMM与SPM模型在本算法中的使用进行对比。如下图所示: 区域标号过程是一原创 2012-10-22 10:13:30 · 1658 阅读 · 0 评论 -
[转]LBP笔记(Local Binary Pattern)
LBP的全称是Local Binary Pattern即局部二值模式,是局部信息提取(特别是纹理提取)的一种方法。目前LBP有很多应用,如人脸识别,表情识别等。局部信息有很多,比如HOG,SIFT等等。那么我们为什么要提取局部特征呢?原因很简单,因为一幅图像的信息比较多,如灰度,边缘等等,计算机很难处理这种复杂的信息,所以就需要对这些信息进行处理。 LBP就是一种局部信息,它反应的内原创 2013-01-05 20:27:25 · 6886 阅读 · 0 评论 -
[转]Adaboost/Boosting算法简介
转载,来自:http://stblog.baidu-tech.com/?p=19一、Boosting算法的发展历史 Boosting算法是一种把若干个分类器整合为一个分类器的方法,在boosting算法产生之前,还出现过两种比较重要的将多个分类器整合为一个分类器的方法,即boostrapping方法和bagging方法。我们先简要介绍一下bootstrapping方法和baggi原创 2013-06-25 15:17:39 · 3660 阅读 · 0 评论 -
论文回顾之一 一种新的直线段检测算法---LSD:a Line Segment Detector
近来比较忙+生病,没有大段的时间学习PGM,临睡前回顾一篇论文--《LSD: a Line Segment Detector》,这篇文章发表于PAMI2010。特别之处在于能快速检测图像中的线段,同时使用了错误控制地方法,使得检测结果比较准确。最后,LSD结果输出是线段的坐标与属性,比如起点,终点,线段的粗细。 首先,我们需要回顾一下,为什么需要检测图像中的直线段?直线段作为图像中边缘的原创 2013-08-20 13:43:54 · 30484 阅读 · 36 评论 -
要工作了,学点camera。
1.凸透镜成像原理原创 2014-04-11 21:53:10 · 1098 阅读 · 0 评论 -
简洁之美- 图像处理中的Python(一)
1. scipy中致力于图像处理的子模块- scipy, ndimage 使用方法: from scipy import ndimage2. 生成一个gaussian_kernel# Fill Gaussian kernel 26 for i in range(gaussian_kernel_width):原创 2014-12-22 21:25:07 · 1015 阅读 · 0 评论 -
何恺明经典去雾算法之 Single Image Haze Removal
一:由简至美的最佳论文(作者:何恺明 视觉计算组) 【视觉机器人:个人感觉学习他的经典算法固然很重要,但是他的解决问题的思路也是非常值得我们学习的】 那是2009年4月24日的早上,我收到了一封不同寻常的email。发信人是CVPR 2009的主席们,他们说我的文章获得了CVPR 2009的最佳论文奖(Best Paper Award)。我反复阅读这转载 2015-10-06 19:03:55 · 5754 阅读 · 2 评论 -
人脸检测概述
转自http://blog.csdn.net/ranmer/archive/2008/04/14/2292335.aspx前一阵子的工作已经告一段落了,新的挑战即将开始,既然选择了它,就要无悔,开弓没有回头箭,努力吧!! 人脸检测的任务是在复杂的背景下检测图像中有无人脸,从而判断人是否存在,并提取出人脸面部图像信息. 欧式距离: 在二维和三维空间中的欧式距离的就是两点之间的距离转载 2015-10-13 14:02:04 · 4109 阅读 · 0 评论 -
CVPR2011-Object Cosegmentation
一 Abstract(摘要) 首先,本文在Abstract中给出Cosegmentation的定义:Cosegmentation is typically defined as the task of jointly segmenting “something similar” in a given set of images.翻译过来就是:协同分割的典型定义是指根据一组给定的图像集共原创 2012-10-19 13:22:23 · 4517 阅读 · 1 评论 -
[转]CVPR2013感兴趣文章列表
显著性Saliency Aggregation: A Data-driven Approach Long Mai, Yuzhen Niu, Feng Liu 现在还没有搜到相关的资料,应该是多线索的自适应融合来进行显著性检测的PISA: Pixelwise Image Saliency by Aggregating Complementary Appearance Contrast原创 2013-07-19 12:24:46 · 2493 阅读 · 0 评论 -
彩色图像从RGB色彩空间转换到Lab色彩空间
这是两个函数,CIE标准的变换;和Adobe的不一样Step1:XYZ to RGB (采用 D65 白点): [ R ] [ 3.240479 -1.537150 -0.498535 ] [ X ] [ G ] = [ -0.969256 1.875992 0.041556 ] * [ Y ] [ B ] [ 0.055648原创 2013-06-20 15:28:42 · 3922 阅读 · 0 评论 -
2012-CVPR\ECCV感兴趣文章列表
CVPR2012-Cosegmentation(协同分割)等On Multiple Foreground Cosegmentation,(Project)Gunhee Kim,Eric Xing;ORALWeakly Supervised Structured Output Learning for Semantic Segmentation (PDF),Alexander Vezhnev原创 2012-10-17 20:31:58 · 3467 阅读 · 0 评论 -
Latent Dirichlet Allocation Model学习笔记二
一 废话周末完成基础知识:二项分布,多项式分布,Dirichlet 分布以及原始LDA模型的学习;Gibbs采样的基础知识在之前看过了,简而言之就是以MCMC那套思想走的。下了个GibbsLDA++的代码,内部的LDA实现还没看,暂时准备先做做字典,在使用中理解。二 GibbsLDA++使用笔记1.下载地址:这里2.编译: Untar and unzip Gibbs原创 2012-11-26 15:01:54 · 1521 阅读 · 0 评论 -
MRF HMM CRF简笔
HMMs(隐马尔科夫模型):状态序列不能直接被观测到(hidden);每一个观测被认为是状态序列的随机函数;状态转移矩阵是随机函数,根据转移概率矩阵来改变状态。HMMs与MRF的区别是只包含标号场变量,不包括观测场变量。MRF(马尔科夫随机场)将图像模拟成一个随机变量组成的网格。其中的每一个变量具有明确的对由其自身之外的随机变量组成的近邻的依赖性(马尔科夫性)。原创 2012-11-13 16:09:04 · 2496 阅读 · 3 评论 -
OpenCV2.4.3的新特征
OpenCV2.4.3的新特征: Opencv的最新版本为OpenCV2.4.3,下载地址为:OpenCV-2.4.3.exe。 多线程方面,后台增加许多通用的多线程并行处理算法,比如说基于交叉平台的TBB和OpenMP,基于苹果平台的Grand Central Dispatch,微软的Concurrency computing等。因为OpenCV内嵌原创 2012-11-22 16:09:39 · 963 阅读 · 0 评论 -
Latent Dirichlet Allocation Model学习笔记一
一 模型含义With plate notation, the dependencies among the many variables can be captured concisely. The boxes are “plates” representing replicates. The outer plate represents documents, while the原创 2012-11-25 16:41:16 · 1239 阅读 · 0 评论 -
Opencv2.4.3 在Win64下VS2010配置
环境: Win7旗舰版 + 64位 + VS2010 + opencv2.4.3步骤1: 到这来选择下载 opencv2.4.3.exe .步骤2: 双击exe解压到自己想安装的目录,我这来是解压完后的目录为: C:\ProgramFiles\opencv2.4.3步骤3: 配置环境变量,在系统环境变量和用户环境变量下均配置下面2个环境变量(没有测试过是否2个地方都需要原创 2012-11-22 16:47:52 · 5180 阅读 · 2 评论 -
Hough变换
前言直线段为分析图像中的几何关系提供了重要信息。因为:1)绝大多数屋顶由平滑表面组成,屋顶边缘多呈现为直线段;2)大多数人工痕迹,如屋顶、道路等,都可以通过若干直线段来描述。目前流行的直线段提取方法主要有2类:1)传统的Hough变换;2)基于像素间梯度信息合并像素以组成直线段,如[LSD]。一、简单介绍Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的原创 2013-01-05 15:56:54 · 932 阅读 · 0 评论 -
CvSeq类型在cvFindContours()中的使用
一.cvFindContours()函数实例图像分割是图像处理中算是比较核心的部分了,就图像分割方法很多但也很灵活,切忌拘泥于一种算法而套用。图像分割的主要应用是利用一些特性从复杂环境中把需要的目标分割出来处理。比如说交通监制系统把视野中的车辆分割提取出来,从而实现对车辆的监控的。这里假设已经通过基本的分割方法,得到了图像分割结果的Mask图像。那么,如果从Ma原创 2013-03-05 18:46:39 · 9158 阅读 · 0 评论 -
BoW用于图像检索的一般化流程
--来自肉麻的开题报告以经典BoW模型实现一个图像检索的方法,BoW检索的一般流程如图2所示:图2 BoW检索流程最初的BoW在图像检索中应用的流程主要分为以下几步:1、特征提取。在训练阶段,将图像用很多“块”(patch)表示,以SIFT特征为例,图像中每个关键点就是一个patch,每一个patch特征向量的维数128。2、字典构建。假设共有M幅训练图像,字原创 2012-11-29 22:41:08 · 10881 阅读 · 4 评论 -
CVPR2016 主旨演讲及焦点论文速览
本文首发于微信公众号:。文章内容属作者个人观点,不代表和讯网立场。投资者据此操作,风险请自担。 1新智元原创 来源:CVPR、Google Research、Twitter 作者:闻菲 【新智元导读】计算机视觉国际顶尖会议CVPR2016近日召开,从提交论文和口头报告内容看,深度学习成为主流。本文介绍会议概况及相关成果,比如谷歌教计算机学会分辨并预测视频中关键目转载 2016-09-28 13:33:01 · 1089 阅读 · 0 评论