qq_28223697的博客

原创 第四章 图像复原

1.引言  图像复原和图像增强都是为了改善图像质量，但它们的技术思路不同，二者既有联系，又有区别。2.图像退化过程模型3.只考虑噪声的退化  当一幅图像仅被加性噪声????(????,????)退化时，图像f(????,????)退化为g(????,????)。此时图像退化/复原过程模型如下式g(x,y)=f(x,y)+n(x,y)g(x,y)=f(x,y)+n(x,y)g(x,y)=f(x,y)+n(x,y)  只存在加性噪声时，可以用空间滤波的方法来估计f(????,????)，空间滤波在

原创 第三章 图像增强

引言  图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱(weaken)或去除(eliminate)某些不需要的信息。这类处理是为了某种应用目的去改善图像质量，处理的结果更适合于人的视觉特性或机器识别系统。增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，并且这种处理有可能损失一些其它信息。  图像增强处理技术基本上可以分成两大类，一类是空域处理方法,一类是频域处理方法。空域法是直接对图像中的像素进行处理，基本上是以灰度映射(mapping)变换为基础的，所用的映射变换取决于

原创 第二章 图像的数学变换

数字图像就是矩阵并非数学上所有的表达式、函数、模型都用在图像处理中，关键看运算结果能不能解释。像素级运算点运算代数运算逻辑运算空域几何变换非几何变换(直方图变换)频率域(傅里叶变换)小波变换离散余弦变换PCA变换...

原创 第一章 数字图像处理基本知识

概述百闻不如一见图像，信息量大解决问题图像感兴趣区域增强、对比度增加聚焦不好、运动产生模糊、变清楚图像信息量大，需要压缩传输特定图像进一步分析，图像分割、描述照相、图片处理感兴趣，会用 Photoshop 软件，现成图像处理软件。知道它的功能，不知道如何实现、如何编程实现。学完数字图像处理，对它算法、到底怎么回事，甚至有些功能就能编程实现。应用软件，功能确定死了，特定工业应用、科研项目做不了。比如，生产管道上面有裂缝，可以用图像处理的技术去检测。还有指纹识别、人脸识别这些 Photoshop

原创 线性代数理解

Space(空间)  从拓扑空间开始，一步步往上加定义，可以形成很多空间。线形空间其实还是比较初级的，如果在里面定义了范数，就成了赋范线性空间。赋范线性空间满足完备性，就成了巴那赫空间；赋范线性空间中定义角度，就有了内积空间，内积空间再满足完备性，就得到希尔伯特空间。  eg: 三维的欧几里德空间 。1.由很多（实际上是无穷多个）位置点组成；2.这些点之间存在相对的关系；3.可以在空间中定义长度、角度；4.这个空间可以容纳运动，这里我们所说的运动是从一个点到另一个点的移动（变换）  第 1、2 条只能

原创 汽车车标

原创 GAMES101_Lecture_05

三角形的光栅化光栅化：把东西画在频幕上的过程光栅显示器：示波器、CRT(Cathode Ray Tube)阴极射线管、LCD液晶显示器、LED发光二极管、Electronic Ink 电子墨水屏、OLED像素中心是否再三角形内（叉乘）for (int x = 0; x < xmax; ++x) for (int y = 0; y < ymax; ++y) image[x...

原创 GAMES101_Lecture_04

1. 3D Transformationsscale   S(sx,sy,sz)=(sx0000sy0000sz00001)S(s_x,s_y,s_z)=\left( \begin{matrix} s_x & 0 & 0 & 0\\ 0 & s_y & 0 & 0\\ 0 & 0 & s_z & 0\\...

原创 GAMES101_Lecture_03

transformationmodeling translation rotationviewing scaling (3D to 2D) projectionscalex′=sxy′=syx'=sx\\y'=syx′=sxy′=syscale matrix[x′y′]=[sx00sy][xy]\left[\begin{matrix} x'\\ y'\end{matrix...

原创 GAMES101_Lecture_02

基础知识Linear algebra, calculus, statistics 线性代数、微积分、统计向量Vectors dot products 向量点乘计算两向量夹角，一向量到另一向量垂直与平行分解，计算两向量有多接近Vectors cross products 向量叉乘判定两向量左右、内外矩阵 Matrices (matrix-matrix, matri...

原创 GAMES101_Lecture_01

课程地址: Course addressApplicationGames, Movies, Animations, Design, Visualization, Virtual Reality&Augmented Reality, Digital Illustration, Simulation, GUI, TypographyWhatinput：真实世界的理解(光、材质等等)p...

原创 利用matlab工具箱进行双目标定

一、准备工作1 下载工具包TOOLBOX_calib Download Page2 解压TOOLBOX_calib 文件夹至 D:\MATLAB\R2014b\toolbox 路径，并在matlab中添加路径。3 准备标定板 Download Page，采集数据。一般的，标定板越大越好。将标定板摆在相机可视的范围内，每拍一张照片，标定板换一个位置和朝向。采集棋盘图的时候要注意，尽量让棋...

原创 unbutu环境配置

第一种环境python=3.6 pytorch=0.4.1创建环境conda create -n py36torch041 python=3.6激活环境source activate py36torch041添加镜像#以下两条是Anaconda官方库的镜像conda config --add channels https://mirrors.tuna.tsinghua.edu....

原创 Chapter1

介绍torch 和 numpy相同点: 张量(tensors)，ndarrays类似不同点: tensors可用GPU计算改变维度:torch.view reshape属性: x.size()&x.shape y.shape?pytorch和lua底层都是torch1.张量初始化import torchx = torch.empty(5,3) #tor...

原创 读文章

第一遍：快速预览，把握概要(5-10分钟)先打个印象分，再决定是否继续1、仔细阅读标题、摘要和简介。2、先忽略内容，读一读文章中的每个小标题。3、如果有数学内容，先大致浏览，确定其理论基础。4、读结论。5、浏览参考文献，如果有你已经读过的，把它们勾选出来。读完第一遍，需要问自己以下几个问题1、分类：这是什么类型的论文？2、背景：与哪些其他论文相关？基于何种理论基础来分析问题？3...

原创 论文阅读笔记《Depth-attentional Features for Single-image Rain Removal》

Depth-attentional Features for Single-image Rain RemovalDepth-attentional Features for Single-image Rain Removal

原创 4(第二类方法)直接回归计算深度

此类方法不匹配图像要素，直接根据输入图片学习深度。第一类方法是一个编码器，第二类方法是编码器加一个顶层网络。网络框架编码器 hhh 用卷积网络学习(类似前面)，x=h(I)x=h(\mathbf{I})x=h(I) 。顶层网络 ggg ，目标视点 vvv 。视差估计值 D^=g(h(I),v)=(g∘h)(I,v)\hat{D}=g(h(\mathbf{I}), v)=(g \circ h)(...

原创 3(第一类方法)不同模块如何使用

早期方法深度学习架构取代手工进行特征和相似性计算。特征提取模块为具有共享权重的多分支网络实现。然后，使用以下功能进行匹配：1. 固定相关层（卷积实现）2.全连接神经网络产生匹配得分 3. 卷积网络后加ReLU使用卷积或全连接网络能从数据中学习适当的相似性度量，而不是在开始时强加一个相关层。前者准确但慢端到端方法CNN-CRFCNN...

原创 《A Taxonomy and Evaluation of Dense Two-Frame Stereo Correspondence Algorithms》

摘要  对现有的多种立体匹配算法进行了比较和进行试验，收集了便于评估的数据集，同时加入了一些新的具有 ground truth 的多帧立体数据集，该数据集和代码都在网站中能找到。建立了具有一般性的软件平台，设计了一种独立灵活地 C++ 实现，该实现能评估独立组分并且能扩展至新的算法。简介  立体匹配方法: (1) 对于已知相机几何的两帧图像的操作；(2) 产生稠密视差图，即对每一个像素的视差...

原创 0简单介绍

   立体匹配的目标是从不同视点图像中找到匹配的对应点，从而从二维图像中恢复三维信息。计算机视觉学科专家提出一些经典成熟的立体匹配算法如 PMVS（Patch-based Multi-view Stereo）、SGM（Semi-Gloabl Matching）、PatchMatch等。   博洛尼亚大学 Stefano Mattoccia 教授所著的文章《Stereo Vision：Algori...

原创 2(第一类方法)立体匹配不同模块

1.特征提取固定尺度特征提取如图1 一般为共享权重的多分支网络(每个图像一个分支)，输出一特征向量来描述一个像素对应path区域的特征。通常由卷积层、空间规范层、池化层和 ReLU 组成。提取的尺度大小由每层中使用的卷积滤波器的大小以及卷积层和池化层的数量控制。一些技巧:(1) 为了在增加网络感受野的同时降低计算成本，使用 dilated convolutions 。(2) 为了简化网...

原创 1综述文章

论文《A Survey on Deep Learning Architectures for Image-based Depth Reconstruction》发表：Submitted on 14 Jun 2019作者：Hamid Laga链接：https://arxiv.org/abs/1906.061131. Introduction第一代方法，侧重于理解和公式化 3D 到 2D 投...

原创 计算机视觉方向期刊&会议

原创 论文阅读笔记:《PatchMatch: A Randomized Correspondence Algorithm for Structural Image Editing》

摘要  提出了一种基于随机化算法的交互式图像编辑工具，用于在两张图片之间快速寻找对应的小区域。该算法的主要看法是，可以通过随机采样找到一些好的 patch 匹配，根据图像的自然一致性允许我们将这种匹配快速传播到周围区域。这个简单的算法构成了多种工具的基础 — 图像重定向 (不引入大的畸变的情况下，通过改变照片的大小和比例信息，来适应各种尺寸屏幕)、图像修补、图像重组。简介  非参 patc...

原创 论文阅读笔记：《PatchMatch Stereo - Stereo Matching with Slanted Support Windows》

1 摘要1.1 思路 像素区域可以用近似的平面来模拟。(a) 平面图形具有恒定的视差值。(b) 实际不可能是平面，本文估计每个像素上的单独3D平面。 主要难点: 在所有可能无限数量的平面中找到一个像素的最优 3D 平面 解决方法: PatchMatch算法 (空间传播) + 拓展 (图传播，时间传播)1.2 亚像素精度计算视差图 法一: 通常，亚像素信息是通过在后处理中将 cost...