2017年03月_qq_26460507

转载计算机视觉3大国际会议

与所有其它学术领域都不同，计算机科学使用会议而不是期刊作为发表研究成果的主要方式。目前国外计算机界评价学术水平主要看在顶级学术会议上发表的论文。特别是在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。（但中国目前的国情不同于国外，我国主要看在学术期刊上发表的SCI论文。这种“一切以SCI期刊为评价标准”的做法已有不少批评。）会议论文比期刊论文更重要的原因是：（1）因为机器学习、计算机

2017-03-31 22:11:05 393

原创 opencv学习之mean函数

1、求取mat类型均值Mat salb;double thr=mean(salb)[0];或者 Scalar thr = mean(salb)；取 thr[0]值因为mean返回的值是Scalar，就是vector类型的数组。所以当要Scalar的元素，要用[n]方式访问。而 meanStdDev计算的均值和标准差都以Mat形式返回，这里返回的是1X1的矩阵。所以访问结果，

2017-03-26 22:07:52 7141

转载 opencv中算法编程常用矩阵的点乘，dot，mul

1、Mat矩阵点乘——A*BOpencv重载了运算符“*”，姑且称之为Mat矩阵“点乘”，其中一个重载声明为：[cpp] view plain copy print?CV_EXPORTS MatExpr operator * (const Mat& a, const Mat& b); 点乘说明：1

2017-03-23 09:59:29 1459

转载数学学学习之范数和距离的关系

1 范数向量的范数可以简单形象的理解为向量的长度，或者向量到零点的距离，或者相应的两个点之间的距离。向量的范数定义：向量的范数是一个函数||x||,满足非负性||x|| >= 0，齐次性||cx|| = |c| ||x|| ，三角不等式||x+y|| 常用的向量的范数：L1范数: ||x|| 为x向量各个元素绝对值之和。L2范数: ||x||为x向量各个元素平方和的

2017-03-23 09:50:03 586

转载 C++学习之vector重复元素的去除和求vector中最大最小元素及其索引

1.使用unique函数// UniqueVector.cpp : Defines the entry point for the console application.//#include "stdafx.h"#include #include #include using namespace std;int main(){ vectorint> v;

2017-03-21 17:06:00 1426

原创 matlab学习之一些常用函数（3）

1、 nargin()函数nargin是用来判断输入变量个数的函数，这样就可以针对不同的情况执行不同的功能。通常可以用它来设定一些默认值例如：函数文件 examp.m function fout=examp(a,b,c) if nargin==1 fout=a; elseif nargin==2 fout=a+b;

2017-03-19 21:48:39 584

原创 matlab学习之一些常用函数

1、disp()函数1)输出字符串：>>disp('my test')my test2)输出数字：>> test=3;>> disp(test)33)同时输出字符串和数字：>> test=3;>> disp(['my test=',num2str(test)])my test=32、读取当前目录下的图片SRC = 'cvpr14_salien

2017-03-19 20:18:52 935

转载 opencv学习之图像滤波

滤波实际上是信号处理里的一个概念，而图像本身也可以看成是一个二维的信号。其中像素点灰度值的高低代表信号的强弱。高频：图像中灰度变化剧烈的点。低频：图像中平坦的，灰度变化不大的点。根据图像的高频与低频的特征，我们可以设计相应的高通与低通滤波器，高通滤波可以检测图像中尖锐、变化明显的地方；低通滤波可以让图像变得光滑，滤除图像中的噪声。下面我们来看一下OpenCV中的一些

2017-03-18 23:07:19 273

转载 opencv学习之快速对图像的像素进行操作 opencv 实战

OpenCV 如何对图像的像素进行操作转载自：http://blog.csdn.net/zwlq1314521/article/details/45038271对图像的像素进行操作，我们可以实现空间增强，反色,大部分图像特效系列都是基于像素操作等目的。先来看一下内存空间中图像矩阵，也就是Mat的矩阵数值部分是怎么存储的：如果图像是一幅灰度图像，他就像这样，从左到右，

2017-03-18 23:05:48 693

转载 opencv学习之Mat数据类型

Mat::~MatMat的析构函数。C++: Mat::~Mat()析构函数调用Mat::release()。Mat::operator =提供矩阵赋值操作。C++: Mat& Mat::operator=(const Mat& m)C++: Mat& Mat::operator=(const MatExpr_Base& expr)C

2017-03-18 23:04:03 291

原创 opencv学习之常用函数

Matlab中对imread载入的图像矩阵求取均值时，步骤相对opencv较麻烦一些。例如：研究图像显著性检测算法FT中，需要计算图像LAB空间均值，以下是matlab和opencv的实现方式。matlab:img=imread("图像");cform = makecform('srgb2lab', 'AdaptedWhitePoint', whitepoint('d65'));/

2017-03-18 22:32:17 1175

转载显著性检测的AC与MSSS算法

《Salient Region Detection and Segmentation》 AC算法也是Achanta等提出的，与FT算法类似，只是在求欧式距离时使用的均值不再是整幅图像的均值，而是选取不同大小邻域内的均值（三种大小）分别求取欧式距离，再相加得到。理解了FT算法，AC就比较好理解了，如上图所示，所取三个邻域大小分别为边长为h

2017-03-15 23:06:26 4233

转载几种常见较经典的显著性检测算法

《Frequency-tuned Salient Region Detection》 FT算法由Achanta等提出，利用颜色特征的中央-周边算子来得到显著图。其求解过程非常简单： S(x,y)=||Iu-Iwhc(x,y)||;Iu是图像像素的算术平均值，Iwhc(x,y)是对原图像进行的高斯模糊。此算法使用Lab空间，||-||为欧式距离。

2017-03-15 20:47:37 6761

转载显著性检测总结之Exploiting Local and Global Patch Rarities for Saliency Detection

1.Ali Borji, Laurent Itti, Exploiting Local and Global Patch Rarities for Saliency Detection, CVPR20121) 系统框架： 2) 算法思路：①　图像表示：本文通过1500张图像中，在各通道提取出的8*8的patch，学到了一个自然图像的字典。使用这个字典以及一系列的系数

2017-03-15 12:52:01 1067

转载图像处理学习之改进的混合高斯背景建模

对智能视频监控来说，摄像机处于静止情况。假设视频图像中背景像素点的特征在一段时间内变化不大，则可以认为在这一段时间内，背景像素点服从高斯分布。但是在实际情况中，存在树枝晃动、水波等干扰，背景像素点会呈现出双峰或者多峰的现象，因此必须采用多个高斯分布的方式来描述背景像素点的特征，以降低干扰。混合高斯模型的原理：根据Stauffer和Grimson的假设，到第t时刻。像素点(x0,

2017-03-14 19:09:37 4911

转载显著性检测之

Cluster-based Co-saliency Detection笔记1. 两个定义协同显著性：在一组相似的图像中发现unique object (D. Jacobs 2010)// 从多幅图像中发现共有的显著性协同分割：将两张或是多张图像中相似的对象分割感出来2. co-saliency与co-segmentation之间的区别在非监督的co-segm

2017-03-14 01:18:50 1468

转载 C++学习之计算均值和方差

Vector 计算均值(mean) 和方差(variance)vector的数组, 计算均值和方差的最简方法.代码:[cpp] view plain copy print?double sum = std::accumulate(std::begin(resultSet), std::end(resultS

2017-03-13 20:53:09 18452 4

转载 matlab实现形态学处理

Matlab 形态学图像处理（原文作者很是细心，感谢！）形态学是提取图像特征的有力工具，针对二值图像和灰度图像的腐蚀、膨胀和重构的基本操作可以组合使用，以执行非常宽泛的任务。其练习代码和结果如下： 1 %% 第9章形态学处理 2 3 %% imdilate膨胀 4 clc 5 clear 6 7 A1=imread('.\i

2017-03-13 11:03:59 18620

转载 matlab2010a在mbuild时找不到vs2010的解决办法

系统环境：32位 win7系统 vs2010 expess matlab2010a解决办法：安装两个东西Microsoft Windows SDK for Windows 7and.NET Framework 4即windows SDK 7.1和一个patch ：VS2010Mexsupport.zip。若只是想使用mex的话只需安装VS2010Me

2017-03-12 18:23:03 2009

转载 matlab中mcc、mbuild和mex命令详解

先简单的说说mcc、mbuild和mex到底怎么回事：复制内容到剪贴板代码:mcc将M文件转换成C/C++文件和相应的MEX包裹文件(需要Matlab编辑器)，但在特定条件下可以自动调用mbuild或者mexmex将C/C++文件(入口函数为mexfunction())编译成MEX(DLL)文件(需要C/C++编辑器)mbuild将C/C++文件(入口函数为main())生

2017-03-12 18:21:39 465

转载 matlab-VC混合编程之matlab低版本，VS高版本，mex -setup，mbuild -setup都找不到VS2010的编

Matlab R2009a 没有装新版的VS2010 中文版因为用OpenCV被迫从VC6.0升级用这个了----------------------------------------------Matlab要调用VC的代码，新机器，要设置---------------------------------Matlab里面：mex -setup，mbuil

2017-03-12 18:19:54 660

原创显著性检测之CVPR13（二）

《saliency detection via graph-based manifold ranking》Abstract Most existing bottom-up methods measure the foreground saliency of a pixel or region based on its contrast within a local

2017-03-11 17:31:24 4299

原创显著性检测之Cvpr13之一

作者在文章中指出现有的一些显著性检测算法面临的一些问题：detection accuracy could be adversely affected if salient foreground or background in an image contains small-scale high-contrast patterns。检测精确度会受到图像中小规模高对比度的模型影响。这种情况普遍存

2017-03-11 16:45:45 459

显著性检测最近几年成了研究热点，从计算机视觉三大会议（ICCV, CVPR, ECCV）上的文章数量就可以看出，大概每届会议都有10来篇的样子，一个这么小的topic，10来篇数量已经很多了。如果你看一看这些文章就会发现，显著目标检测的占了大部分，眼动点预测的很少，大概就一两篇。看到这，有些人也许还不明白显著目标检测和眼动点预测区别。其实，显著目标检测就类似于一个二值分割问题，只不过加了显著这个条

2017-03-11 16:14:25 4738 1

转载 C++学习之const成员函数（函数声明后加const，或称常量成员函数）用法详解

在C++的类定义里面，可以看到类似下面的定义：01class List {02private:03 Node * p_head;04 int length;

2017-03-08 00:51:15 345

转载 opencv学习之Adaboost算法进行人脸识别

#include #include #include #include using namespace cv;int main(int argc, char** argv){ CascadeClassifier stFaceCascade; IplImage *pstImage = NULL; std::vector faceRects; if(

2017-03-06 20:38:46 2018

转载 opencv学习之图像凸包

图像凸包是表达图像一维属性（比如长宽、面积等）信息的一种方式。所以，计算图像凸包对一些图像前期、后期处理都有一定的帮助看到别人的一篇代码如下clc; clear all; close all; I = imread('c://ce.jpg'); I = rgb2gray(I); bw = im2bw(I, graythresh(I)); fi

2017-03-06 17:25:18 1201

转载 saliency detector之Efficient Salient Region Detection with Soft Image Abstraction

针对已有的方法中存在的问题：Itti模型，针对Itti模型进行的扩展的显著性检测方法，以及光谱剩余假说系列的方法过分强调小的，局部特征，对对象级别的应用不适合；对图像的全局属性进行建模的方法，虽然能够将整个对象较好地检测出来，但是计算复杂度高；综上找到一种compact并且有效的表示方法很有必要。这样的方法有颜色平均值或亮度平均值表示。但是一阶平均太简单，忽略了颜色的方差以及图像各部分之间

2017-03-05 20:55:00 701

转载 opencv学习之GaussianBlur()源码解析

这一节来真正进入opencv的源码分析中，本次分析的函数是GaussianBlur()，即高斯滤波函数。在前前面博文《opencv源码解析之滤波前言2》：中已经阐述了这个函数的用法，即：其函数声明为： void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX,

2017-03-03 23:10:53 4886

转载算法学习之肤色检测

3.1　各彩色空间中肤色[1]的聚类情况好的肤色模型要求选择一个恰当的彩色空间，在此空间中肤色能团簇、聚合在一起，并且与非肤色的重叠部分要尽可能少。通过各色度空间中肤色聚类的结果比较发现，肤色在各空间中的聚类情况如下：在RGB彩色空间中，肤色与非肤色的重叠部分较多。因此RGB空间不适合构造肤色模型；在rgb彩色空间中的分布情况（用r，g表征）。由于色饱和度没有被分离出来，rgb

2017-03-02 22:56:15 3583

转载显著性检测之alient detector

图像图区显著性信息目前比较perfect的两篇文章分别是:1、http://cg.cs.tsinghua.edu.cn/people/~cmm/saliency/ 通过图像分割和区域颜色，距离等信息计算得到显著信息。主要步骤依次为颜色聚类，图像分割，对每个分割区域分别计算颜色直方图，然后计算每个区域的显著性信息，计算时，每两个区域的距离用颜色直方图距离衡量

2017-03-02 21:58:31 469

qq_26460507的博客