![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像
文章平均质量分 78
大哲子
计算机与控制学院,整理笔记,有利于复习
展开
-
图像处理———图像均衡化的例子
今天学习了图像均衡化处理,简单的说,就是将一个灰度级分布不均匀的图像,通过某种变换得到一个均匀分布的操作。图像均衡化推导一副图像的灰度级可以看作区间【0,1】的随机变量,这里有一个最重要的东西就是概率密度函数,设Pr®,Ps(s)分别表示随机变量r,s的概率密度函数,假设,我找到一个函数,s = T®,可以让s变成均匀分布。则在图像处理中也有一个很重要的公式:给定变换函数T,可以推得...原创 2018-09-26 00:11:37 · 14013 阅读 · 4 评论 -
直方图匹配(规定化)
直方图规定化直方图操作能够有效的用于图像的增强,一个归一化的直方图P(r)给出了灰度级为r发生的概率,前面我们提到一个图像的直方图通过均衡化可变成一个灰度级分布均匀的直方图,但是并不是所有的直方图通过均衡就能变成真正的我们所想要的均匀分布,这是为什么呢?解释为什么离散直方图均衡化技术一般不能产生平坦的直方图下图是在进行直方图均衡之前的图像:我们进行直方图均衡后:并没有达到我们所想要的...原创 2018-10-12 18:54:05 · 612 阅读 · 0 评论 -
空间滤波基础
有些领域处理工作是操作领域的图像像素值以及相应的与邻域有相同维数的子图像的值。 这些子图像可以被称作为滤波器,掩模,核,模板,窗口等等。在滤波器子图像中的值是系数值,而不是像素值。空间滤波的分类空间滤波分为两大类:1,线性空间滤波2,非线性空间滤波一般来说,在MN的图像f上,用mn大小的滤波器掩模进行线性滤波由下式给出:这里a,b都是非数值,在后续的讨论中,处理的掩模的长与宽都为奇数...原创 2018-10-12 19:49:51 · 1644 阅读 · 0 评论 -
频率域图像增强笔记
图像增强一般是在频域进行,因此将图像从空域变成频域是一个很重要得图像预处理,然后在频域欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能...原创 2018-11-02 23:48:49 · 702 阅读 · 0 评论 -
第五章-图像复原笔记
图像退化是由一个退化函数H(u,v)+一个噪声产生N(u,v)的g(x,y)。图像复原的目的是获得关于原始图像的近似估计。通常我们希望我们估计的图像能极可能的接近原始图像,并且H和N的信息知道的越多,则得到的图像就越接近原始图像。空间域的退化图像和频域率的退化图像:图像退化或者复原的模型输入一幅图像f(x,y),经过退化函数H以及噪声变成g(x,y),然后复原变成f帽(x,y)。这里面...原创 2018-11-16 22:21:00 · 3259 阅读 · 0 评论 -
语义分割模型-DeepLab
语义分割模型-DeepLab介绍下DeepLab系列,由谷歌推出的针对语义分割的模型,到目前为止,共有四个版本,这里重点介绍下前两个版本,由于时间原因,并没有来得及读v3+的论文针对其中用到的主要方法,和大家分享下空洞卷积结构化预测—全连接的CRF多尺度预测—ASPP空洞卷积空洞卷积(Dilated Convolution/Atrous Convolution):在标准卷积核的两...原创 2019-08-05 15:21:40 · 743 阅读 · 0 评论 -
图像处理--对象的定位与识别
对象的定位与识别这一章节主要讲解两个算法,Faster-RCNN 和SSD,在这之前把卷积神经网络的其他小细节做一个总结。Back PropagationBP网络能学习和存储大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程,他的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小:BP算法的公式:Batch Normaliz...原创 2019-08-06 10:37:44 · 4259 阅读 · 0 评论 -
Single shot经典算法:SSD
SSD全称:Single Shot MultiBox Detector特点:增加多尺度feature map。在feature map上使用小的卷积核预测一系列 bounding boxes 的 box offsets与Faster R-CNN和YOLO相比性能更优。SSD结构这一幅图表示 SSD 的大概流程:首先用 VGG 或者 ResNet 等一些分类网络生成feat...原创 2019-08-10 13:28:12 · 1039 阅读 · 0 评论 -
语义分割--RefineNet
出发点:当前的语义分割方法存在限制,多阶段的空间池化和卷积操作通常会使最终的图像预测的维度降低,丢失许多精细的图像结构。通过反卷积滤波器进行上采样操作无法恢复卷积过程中下采样时丢失的信息利用中间层的特征生成高分辨率预测缺少充分的空间信息基础框架:ResNetResNet理论上而言,具有更深层次的深度模型能够捕捉到更多特征信息,识别准确率至少不降低。实验中发现,在深度模型中添加更多...原创 2019-08-11 11:10:48 · 829 阅读 · 0 评论