璨若群星-CSDN博客

原创用朴素贝叶斯对wine数据集分类

该实验的数据集是MostPopular Data Sets（hits since 2007）中的wine数据集，这是是对在意大利同一地区生产的三种不同品种的酒，做大量分析所得出的数据。这些数据包括了三种酒中13种不同成分的数量。经过几天对数据集以及分类算法的研究，详细研究了朴素贝叶斯分类器和其他学习算法，包括决策树和神经网络等等。同时由于这个数据集有13个属性，用决策树实现起来会很复杂。我最终

2015-11-10 09:51:53 23948 2

原创关于正则表达式

关于正则表达式使用正则表达式辅助工具，RegexTester.exe，可以验证正则写的对不对。在写XML配置时，正则表达式显得非常的重要，它关系到提取的信息到底是否正确。如果书写错误，会影响下面的过程。下面对常用的正则表达式，进行一个说明。举例：（1）对这段内容HM.RollupData(newHM.Rollup("cmU5KG2wtg5RGVAGw75afaHg2",null,

2015-11-02 21:27:39 736

转载基于MeanShift的视频目标跟踪算法及代码实现

本文详细出处见实验室一个师兄的博客，链接如下http://blog.csdn.net/jinshengtao/article/details/30258833由于最近在做视频跟踪的小项目，这里对MeanShift的视频目标跟踪算法进行一下小结。（一）MeanShift算法简介 MeanShift算法正是属于核密度估计法，它不需要任何先验知识而完全依靠特征空间中样本点的计算其密度函数

2015-11-02 21:17:50 14242 5

转载 error C2664: “int CWnd::GetWindowTextW(LPTSTR,int) const”: 不能将参数 1 从“char [10]”转"相关的问题

为了解决用户可能碰到关于"error C2664: “int CWnd::GetWindowTextW(LPTSTR,int) const”: 不能将参数 1 从“char [10]”转"相关的问题，经过收集整理为用户提供相关的解决办法，请注意，解决办法仅供参考。"error C2664: “int CWnd::GetWindowTextW(LPTSTR,int) const”: 不能将参数 1

2015-10-08 09:45:27 831

原创 sobel边缘检测算子

1.Sobel算子的介绍Sobel算子上式三个矩阵分别为该算子的x向卷积模板、y向卷积模板以及待处理点的邻域点标记矩阵，据此可用数学公式表达其每个点的梯度幅值为：其实，sobel算子跟canny算子差不多，只是计算梯度的公式不一样而已，亲们可以将两种算子进行比较，结合实际的情况自己选择使用哪一种算子下面贴出详细的代码#includ

2015-06-17 16:15:42 1880

转载 harris角点检测

原理：Harris角点检测最直观的解释是:在任意两个相互垂直的方向上，都有较大变化的点。---harris在A combined corner and edge detector这篇文章中提出来的。在moravec角点检测中，w(x,y)的取值是二元的，在窗口内部就取值为1，在窗口外部就取值为0，在harris的角点检测中，使用的是高斯窗口，所以w(x,y)表示

2015-06-15 20:09:58 3349

转载 susan算子原理及实现代码

susan算子原理SUSAN ( Small univalue segment assimilating nucleus) 算子是一种基于灰度的特征点获取方法, 适用于图像中边缘和角点的检测, 可以去除图像中的噪声, 它具有简单、有效、抗噪声能力强、计算速度快的特点。SUSAN 算子的模板与常规卷积算法的正方形模板不同, 它采用一种近似圆形的模板, 用圆形模板在图像上移

2015-06-15 10:43:14 7083 1

转载混合高斯背景建模

一、理论混合高斯背景建模是基于像素样本统计信息的背景表示方法，利用像素在较长时间内大量样本值的概率密度等统计信息(如模式数量、每个模式的均值和标准差)表示背景，然后使用统计差分(如3σ原则)进行目标像素判断，可以对复杂动态背景进行建模，计算量较大。在混合高斯背景模型中，认为像素之间的颜色信息互不相关，对各像素点的处理都是相互独立的。对于视频图像中的每一个像素点，其值在序列图像中的变

2015-06-10 21:18:16 7411

帧差法是最为常用的运动目标检测和分割方法之一，基本原理就是在图像序列相邻两帧或三帧间采用基于像素的时间差分通过闭值化来提取出图像中的运动区域。首先，将相邻帧图像对应像素值相减得到差分图像，然后对差分图像二值化，在环境亮度变化不大的情况下，如果对应像素值变化小于事先确定的阂值时，可以认为此处为背景像素:如果图像区域的像素值变化很大，可以认为这是由于图像中运动物体引起的，将这些区域标记为前景像素，利用

2015-06-10 21:02:11 8276 1

原创单高斯背景建模

这些原理和算法流程，转自别人的博客，代码是自己实现的。高斯分布与背景建模的关系：图像中每一个像素点的颜色值作为一个随机过程X，并假设该点的像素值出现的概率服从高斯分布。令I(x,y,t)表示像素点(x,y,t)在t时刻的像素值，则有：其中和分别为t时刻该像素高斯分布的期望值和标准差。算法流程：1.用第一帧图像数据初始化背景模型，其中std_init通常设

2015-06-10 19:48:38 8714 2

原创帧差法、光流法、背景减除法

运动目标检测是指在序列图像中检测出变化区域并将运动目标从背景图像中提取出来。通常情况下，目标分类、跟踪和行为理解等后处理过程仅仅考虑图像中对应于运动目标的像素区域，因此运动目标的正确检测与分割对于后期处理非常重要然而，由于场景的动态变化，如天气、光照、阴影及杂乱背景干扰等的影响，使得运动目标的检测与分割变得相当困难。根据摄像头是否保持静止，运动检测分为静态背景和运运动目标检测是指在序列图像中检测出

2015-06-04 15:59:32 30524 2

原创基于OPENCV的CANNY边缘检测算子详细代码实现

关于canny算子边缘检测的原理，此处不再做详细说明，这里直接将实现代码附在下面。读者可对照代码，进行学习。//canny边缘检测算子/*#include #include #includeusing namespace std;//函数声明void ImageGray(IplImage *sourceImage, IplImage *grayImage)

2015-05-27 15:50:01 2152

原创基于OPENCV的视频中值滤波原理及实现

1.什么是中值滤波？中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。但在条纹中心分析方法中作用不大。2.中值滤

2015-05-27 15:37:45 1968 1

原创视频二值化处理基本方法以及简单代码实现

参考了网上的一些博客，基于opencv和vs2010的环境，将图像二值化应用到视频处理中去，下面将方法进行介绍。方法一：对RGB彩色图像灰度化以后，扫描图像的每个像素值，值小于127的将像素值设为0(黑色)，值大于等于127的像素值设为255(白色)。该方法的好处是计算量少速度快。缺点更多首先阈值为127没有任何理由可以解释，其次完全不考虑图像的像素分布情况与像素值特征。可以说

2015-05-27 15:22:52 4886 1

原创原始LBP纹理特征提取方法介绍以及代码实现

在模式识别和数字图像处理领域，LBP指局部二值模式，即Local Binary Patterns。最初功能为辅助图像局部对比度，后来提升为一种有效的纹理描述算子，度量和提取图像局部的纹理信息，对光照具有不变性。该描述方法还用于质量检测，人脸图像分析等领域，取得了很好的效果。本文详细分析和研究了LBP算法的原理和实现方法。编程的时候采用c++语言，成功实现了提取视频中物体局部纹理特征的功

2015-05-25 09:32:33 11887 2

图像处理与模式识别