superdont
电子工业出版社优秀作者,代表作《OpenCV轻松入门》(累计印刷超过20次),《计算机视觉40例》等。
展开
-
SSIM(Structural Similarity),结构相似性及MATLAB实现
我们先看下大多数我们看到的文献关于该指标的介绍:SSIM(结构相似性指标)是一种用于衡量两个图像相似度的指标,尤其是用于比较一幅图像的两个不同版本,如一幅原始图像与经过压缩或其他形式处理后的图像。它是由王周、Bovik等人于2004年提出的。SSIM的设计基于对图像结构信息的观察,认为人眼对图像的视觉质量感知与图像的结构信息(如亮度、对比度和结构)密切相关。原创 2024-05-10 15:54:39 · 531 阅读 · 0 评论 -
图像的像素相关性【彩色】(MATLAB源代码)
计算图像的像素相关性。大多数文献使用的一个临近点,我们这里计算了8个临近点的情况。在具体实现时,通过循环结构来遍历邻域范围内的像素点,并利用条件语句来判断每个像素点是否在图像范围内。这样就能够得到当前像素点的八邻域像素点列表。原创 2024-04-23 18:42:31 · 113 阅读 · 0 评论 -
图像的像素相关性(MATLAB源代码)
计算图像的像素相关性。大多数文献使用的一个临近点,我们这里计算了8个临近点的情况。原创 2024-04-23 12:34:42 · 175 阅读 · 0 评论 -
图像的矩(MATLAB源码)
颜色矩(Color Moment)是一种用来描述图像颜色分布的统计特征。它可以用来衡量图像中不同颜色之间的关系,以及颜色分布的特征。常见的颜色矩包括一阶矩(Mean)、二阶矩(Variance)、三阶矩(Skewness)和四阶矩(Kurtosis)等。颜色矩能够提供关于图像颜色分布的信息,例如平均颜色值、颜色的分散程度、颜色分布的偏斜程度和峰态等。通过比较不同图像的颜色矩,可以了解它们之间色彩分布的相似性或差异性。原创 2024-04-23 08:23:41 · 411 阅读 · 3 评论 -
OMP实现压缩感知的实现(MATLAB)
本文介绍通过DWT和OMP实现压缩感知。不同的是,将DWT得到的低频放到了作为稀疏矩阵的顶部。原创 2024-04-02 17:38:27 · 302 阅读 · 0 评论 -
OMP压缩感知仿真(MATLAB)
【代码】OMP压缩感知仿真(MATLAB)原创 2024-04-01 21:46:32 · 442 阅读 · 0 评论 -
CoSaMP算法实现压缩感知的MATLAB实现
CoSaMP算法是对OMP算法的一种改进,通过引入反投影步骤和重构技巧,提高了对稀疏信号的准确性和稳定性。它在压缩感知、信号重建等领域有着广泛的应用,并在实际问题中取得了良好的效果。原创 2024-03-13 18:02:25 · 282 阅读 · 0 评论 -
OMP实现MATLAB压缩感知实例
【代码】OMP实现MATLAB压缩感知实例。原创 2024-03-13 17:41:24 · 440 阅读 · 0 评论 -
MATLAB使用OMP实现图像的压缩感知实例
OMP(Orthogonal Matching Pursuit)是一种用于稀疏信号恢复的迭代算法。它的目标是从一组测量值中重建具有少量非零元素的信号。将残差初始化为测量向量。a.在每次迭代中,从字典中选择与当前残差最相关的原子。b.使用所选的原子更新信号的估计。c.更新残差,将其减去已匹配的部分。重复步骤2,直到满足停止条件,例如达到预定的稀疏度或残差达到阈值。输出稀疏信号的估计。OMP算法的关键思想是通过迭代过程逐步逼近稀疏信号的真实结构。原创 2024-03-13 16:25:47 · 695 阅读 · 0 评论 -
OMP(Orthogonal Matching Pursuit,正交匹配追踪)算法
这里,整本书代表了一个完整的信号(或数据集),零散的页面就是你已知的部分数据。这就是所谓的“正交”过程,确保新增加的内容和之前的内容不会有重叠,每一步都在尽可能增加新的信息。这就好比是说,既然这部分故事已经找到了对应的内容,那么相关的页面就不再是未解决的谜题了。:首先,你需要设定一个“待解决的故事列表”,这里面一开始是空的,因为你还没开始恢复故事。同时,你有一个“已知的页面列表”,即你已经拥有的零散信息。:重复上述过程,直到你觉得已经足够接近完整的故事,或者是已知的页面已经无法提供更多的信息。原创 2024-03-13 10:52:09 · 539 阅读 · 0 评论 -
哈达玛矩阵与克罗内克积
哈达玛矩阵与克罗内克积在计算机视觉中发挥着重要作用,例如哈希感知等场景下都可能用到这两个知识点。例如:论文:Visually meaningful image encryption scheme based on new-designed chaotic map and random scrambling diffusion strategy中有一句:这句话涉及到两个数学概念:哈达玛矩阵(Hadamard matrix)和克罗内克积(Kronecker product)。原创 2024-03-12 08:47:36 · 404 阅读 · 0 评论 -
稀疏表示分类(Sparse Representation for Classification,SRC)
稀疏表示分类(Sparse Representation for Classification,简称SRC)是一项在模式识别和信号处理中应用广泛的技术。它基于这样一个概念:一个信号(比如图像、语音等)可以用一个较大的字典中的一些基向量稀疏地表示。想象一下,有一个巨大的图书馆(字典),其中每一本书(字典中的基向量)代表了一个特定的模式或特征。如果我们想描述或表达某种特定的信息(信号),在理想的情况下,我们只需要从这个图书馆中借几本相关的书就能够准确地表达出所需的信息。原创 2024-02-26 21:41:03 · 1384 阅读 · 0 评论 -
LASSO算法
LASSO (Least Absolute Shrinkage and Selection Operator) 是一种回归分析的方法,它能够同时进行变量选择和正则化,以增强预测准确性和模型的解释性。LASSO通过在损失函数中加入一个L1惩罚项来实现这一点。该惩罚项对系数的绝对值进行约束。原创 2024-02-26 21:23:46 · 1657 阅读 · 0 评论 -
压缩感知中的稀疏基是什么?
要压缩感知中,涉及到要将信号转换为稀疏形式。此时,需要用到的就是稀疏基。稀疏基可能是傅里叶基或者小波基。原创 2024-02-26 08:00:34 · 330 阅读 · 0 评论 -
图像的压缩感知的MATLAB实现(第3种方案)
分解低通和高通滤波器% N=256;% 矩阵维数(大小为2的整数幂次)% 滤波器长度% 最大层数% 最小层数ww=1;% 预处理矩阵% 矩阵构造nn=2^jj;% 构造向量% 向量圆周移位end% 构造正交矩阵w1=[p1;p2];ww=ww*w;clear p1;clear p2;end# 相关博文。原创 2024-02-25 10:23:09 · 587 阅读 · 0 评论 -
小波变换模拟
小波变换是一种信号处理技术,通过在时间-频率域中使用基于小波的函数进行信号分析。小波变换在处理非平稳信号和图像时特别有用,可以将信号分解为不同频率的成分。它在数据压缩、去噪、特征提取等领域有广泛应用。MATLAB中提供了用于二维离散小波变换的函数dwt2,可以将图像进行小波分解。该函数执行的是多级离散小波变换,将图像分解为多个尺度的近似系数和细节系数。具体来说,dwt2其中,Xwavelet'haar''db1'CS可以通过调用dwt2函数来执行二维离散小波变换,得到图像的小波分解系数和结构信息。原创 2024-02-25 10:16:49 · 905 阅读 · 0 评论 -
最小二乘法
最小二乘法(Least Squares Method)是一种数学优化技术,它通过最小化误差的平方和寻找数据的最佳函数匹配。具体来说,它可以用于线性回归分析,即找到一条最佳拟合直线(或更一般的曲线或面),使得实际观察数据点到这条直线(或曲线/面)的垂直距离(也就是误差)的平方和达到最小。在数学表示上,如果有一组观测数据集((x_i, y_i)),其中(i = 1, 2, …原创 2024-02-25 08:51:18 · 639 阅读 · 0 评论 -
探索无限维度的奥秘:Hilbert空间
Hilbert空间得名于德国数学家David Hilbert,它是一个完备的内积空间。这句话含有三个关键词:完备、内积和空间。空间:这里的空间不是我们日常生活的物理空间,而是一个数学概念,指的是一组元素的集合,这些元素可以以数学上的方式互动——可以相加,也可以乘以数值(标量)。内积:内积是一个函数,它能够接受空间中的两个元素并返回一个数值,以表示这两个元素之间的某种“相似性”,例如在二维或三维空间中,内积就可以表示为点乘。完备。原创 2024-02-24 18:08:08 · 782 阅读 · 0 评论 -
贪婪算法入门指南
贪婪算法(Greedy Algorithm)是一种在计算机科学和数学中使用的算法设计策略,其核心思想是通过一系列局部最优选择来寻求全局最优的解决方案。but,这听起来很完美,但实际上,贪婪算法并不总是能够得到全局最优解,尤其是在那些需要考虑多阶段结果的复杂问题中。原创 2024-02-24 17:53:54 · 897 阅读 · 0 评论 -
用买糖果的方式来理解正交匹配追踪(OMP)算法
在信号处理领域,压缩感知(Compressed Sensing)是一种能够从远少于传统奈奎斯特采样定理所要求的样本数目中重建稀疏信号的技术。压缩感知的理论基础在于一个前提假设,即许多自然信号都含有稀疏的表示,换句话说,这些信号可以用很少的非零系数表达。在这个框架下,贪婪算法,如匹配追踪(Matching Pursuit, MP)和正交匹配追踪(Orthogonal Matching Pursuit, OMP),提供了有效的求解方法。原创 2024-02-24 08:31:40 · 524 阅读 · 0 评论 -
深入浅出:探究过完备字典矩阵
首先,我们先来理解一下字典矩阵的概念。在数学上,字典矩阵基本上就是一组向量(列),它们用于表示或者重建信号或数据。如果这些列向量线性无关,我们可以将它们视为一组基,正如坐标系中的x轴和y轴一样。不过,一般的基只能刚好填满空间,每个向量只能使用一次。但有时候,我们需要更多的向量来更加灵活地表示数据,就像适时拥有多种工具以应对不同的情况一样。这时候,过完备字典矩阵就登场了。所谓“过完备”指的是我们有更多的向量来表示空间,超出了构成空间的必需数量。原创 2024-02-24 08:14:38 · 1185 阅读 · 0 评论 -
MATLAB中的稀疏矩阵和密集矩阵
在MATLAB中,矩阵可以表示为密集或稀疏格式。通常,矩阵默认以密集格式存储,这意味着每个元素都明确地存储在内存中,无论它的值是多少。然而,当矩阵含有大量的零元素时,这种存储方式就会变得非常低效。为了更有效地存储和操作这种矩阵,可以使用稀疏矩阵表示,其中只记录非零元素和它们的索引位置。原创 2024-02-23 21:49:17 · 1243 阅读 · 0 评论 -
图像压缩感知的MATLAB实现(OMP)
前面实现了效果还不错,缺点是速度慢如牛。下面我们采用OMP对其进行优化,提升速度。原创 2024-02-23 14:06:16 · 1194 阅读 · 0 评论 -
世界上最简单的无解问题
1990年的Cleve’s Corner专栏文章《世界上最简单的无解问题》中描述了压缩感知遇到的问题的一个简化版本。例如,两个平均值为3的数字,这些数字是什么?在我们抱怨没有足够的信息后,可能会回答2和4。如果我们这样做了,那意味着我们无意识地引入了一种规范化的方式,要求结果是两个不同的整数。原创 2024-02-22 18:05:19 · 898 阅读 · 0 评论 -
2-范数概念及Python计算演示
2-范数(Euclidean norm),也常称为“欧几里得范数”,是在向量空间中衡量向量大小的一种方法。在数学上,对于一个实数或复数向量,2-范数定义为其各元素的平方和的平方根。对于一个n维向量( \vec{x} = [x_1, x_2, …, x_n] ),其2-范数可以表示为:2-范数提供了一个度量,即从原点到向量表示点的直线距离,这也是在欧几里得空间中最直观的长度概念。原创 2024-02-22 11:40:25 · 3038 阅读 · 0 评论 -
MATLAB通过cvx计算L1仿真压缩感知
使用MATLAB仿真压缩感知。原创 2024-02-22 10:14:14 · 1100 阅读 · 0 评论 -
压缩感知常用的重建算法
在压缩感知(Compressed Sensing, CS)框架中,重建算法是指将从原始信号中以低于奈奎斯特率采集得到的压缩测量值恢复成完整信号的数学和计算过程。由于信号在采集过程中被压缩,因此重建算法的目标是找到最符合测量值的稀疏信号表示。原创 2024-02-21 22:08:59 · 1425 阅读 · 0 评论 -
压缩感知常用的测量矩阵
在压缩感知(Compressed Sensing,CS)理论中,测量矩阵(也称为采样矩阵)是实现信号压缩采样的关键工具。它是一个通常为非方阵的矩阵,用于将信号从高维空间映射到低维空间,生成观测向量。如果信号在某个基下是稀疏的,那么通过与测量矩阵相乘,可以得到它的压缩表示。原创 2024-02-21 22:04:38 · 2206 阅读 · 0 评论 -
压缩感知中常用的稀疏基
在压缩感知中,稀疏基是指可以将信号表示为少数几个非零系数的基。信号在这组基下的表示称为稀疏表示。理想情况下,信号在稀疏基下的大部分系数都应该为零,只有少数几个系数是非零的。稀疏基的选择对信号的稀疏表示和压缩感知的效果有着重要影响。稀疏基的作用是能够有效地表示信号,使得信号在该基下的表示尽可能地“稀疏”,即大多数系数为零或接近零,只有少数几个系数是显著的。这种稀疏性质使得信号可以通过较少的信息(系数)进行恢复,从而达到压缩的目的。离散余弦变换(DCT)基:小波变换基:离散傅里叶变换(DFT)基:自定义字典:稀原创 2024-02-21 21:57:37 · 1249 阅读 · 0 评论 -
压缩感知的图像仿真(MATLAB源代码)
压缩感知是一种用于高效获取和表示信号的技术,它可以显著减少数据的采样和传输量,同时保持对信号的高质量恢复能力。在压缩感知中,信号被表示为其在一个稀疏基中的稀疏线性组合。通过仅使用少量的随机投影测量,就能够捕捉信号的大部分信息,并且可以利用优化方法恢复原始信号。MATLAB是一种功能强大的数值计算和科学编程工具,它提供了丰富的工具箱和函数来支持压缩感知的仿真和实现。其中一个常用的工具是l1_image软件包,它提供了一种基于l1范数最小化的方法,用于压缩感知图像恢复。原创 2024-02-21 17:31:12 · 1713 阅读 · 0 评论 -
压缩感知(Compressed Sensing)的MATLAB仿真实现
在前一篇文章:中,我们介绍了针对稀疏信号进行压缩感知的MATLAB仿真。本篇我们介绍一下针对的是原始的非稀疏信号,看看如何进行处理。本文中,我们直接进行了采样处理。原创 2024-02-21 13:03:22 · 1462 阅读 · 0 评论 -
正交匹配追踪(Orthogonal Matching Pursuit, OMP)的MATLAB实现
压缩感知(Compressed Sensing, CS)是一种利用稀疏信号的先验知识,用远少于奈奎斯特采样定理要求的样本数目恢复整个信号的技术。正交匹配追踪(Orthogonal Matching Pursuit, OMP)是一种常见的贪婪算法(Greedy algorithm),用于解决压缩感知中的信号重构问题。OMP算法试图找到一组稀疏基,这些基与测量值之间有最大的相关性,并且用于迭代地重构原始信号。原创 2024-02-21 10:44:15 · 1399 阅读 · 0 评论 -
正交匹配追踪算法(Orthogonal Matching Pursuit)实现过程及Python模拟
OMP算法的目标是解决下面的优化问题:在已知观测向量y和测量矩阵A的情况下,找到一个稀疏的系数向量x,使得Ax尽可能接近于y。其中||x||_0是x向量的0-范数(即非零元素的数量),而是Ax和y之间的2-范数(即欧几里得距离)。ε是一个容差值,代表了在重构y时所能接受的最大误差。OMP算法的优点是简单易用、实现快捷,并且相对容易理解。然而由于它是一种贪婪算法,因此有时可能不会找到全局最优解。原创 2024-02-20 21:42:49 · 1896 阅读 · 2 评论 -
计算机视觉学习指南(划分为20个大类)
计算机视觉的知识领域广泛而庞杂,涵盖了众多重要的方向和技术。为了更好地组织这些知识,我们需要遵循无交叉无重复(Mutually Exclusive Collectively Exhaustive,MECE)的原则,并采用循序渐进的方式进行分类和划分。按照无交叉无重复的原则,我们将计算机视觉划分为20个重要的方向,每个方向都具有明确的定义和特定的应用领域。通过这种划分方式,可以确保每个方向都在整个计算机视觉领域中是独立且不重叠的。原创 2024-02-20 13:06:13 · 1326 阅读 · 0 评论 -
欠定方程组及其求解
欠定方程组是指方程的数量少于未知数的数量的方程组。在这种情况下,通常有无限多个解,因为给定的方程不足以唯一确定所有未知数的值。在某些情况下,我们可以利用额外的信息或假设,如稀疏性或其他约束,来找到一个合理的解。原创 2024-02-20 11:49:34 · 1754 阅读 · 0 评论 -
最关键的十个图像特征
在计算机视觉中,图像特征是用来描述图像中视觉元素的一组属性,它们对于图像识别、分类、检测和分割等任务至关重要。深度学习模型,如卷积神经网络(CNN),可以自动学习到高级、抽象的图像特征,这些特征对于复杂的图像识别任务非常有效。SURF是一种提取特征点的算法,它使用积分图像和近似Hessian矩阵来加速特征点的检测和描述。HOG特征是用于对象检测的一种描述符,它通过统计图像中单元格内梯度的方向直方图来表示图像。颜色直方图是图像中颜色分布的统计表示,它显示了不同颜色在图像中的出现频率。原创 2024-02-10 22:06:51 · 438 阅读 · 0 评论 -
图像的旋转不变特性及应用
旋转不变特性指的是算法或特征描述器能够对图像进行识别、匹配或检索,无论图像如何旋转。这种特性使得算法对于图像的旋转不敏感,可以识别或匹配到相同物体的不同角度拍摄的图片。旋转不变特性在计算机视觉领域非常关键,特别是在目标识别、图像检索和机器人视觉等应用中。原创 2024-02-11 09:59:50 · 1721 阅读 · 0 评论 -
矩阵在计算机图像处理中的应用
在灰度图像中,数组的每个元素对应于图像中的一个像素,数值表示该像素的光强,即亮度。这些特征可以来自图像的原始像素,也可以是经过各种变换(例如,傅立叶变换、小波变换)得到的矩阵。应用滤波器涉及在原始像素矩阵上进行卷积运算,这通常意味着将卷积核矩阵在图像上移动,并对重叠区域的像素值进行加权求和。使用适当的变换矩阵,可以通过线性代数中的矩阵乘法来计算图像点变换后的新位置,这些操作是图像处理中的重要基础。矩阵在计算机图像处理中是非常核心的概念,因为它们为表示和操作图像数据提供了一种非常方便和强大的方式。原创 2024-02-12 21:24:15 · 946 阅读 · 0 评论 -
计算机视觉讲座PPT分享
最近在电子工业出版社做的《计算机视觉入门路线图》讲座的部分PPT。主要介绍了计算机视觉的学习基本路线。原创 2024-02-07 22:08:27 · 1831 阅读 · 0 评论 -
FAST角点检测算法
FAST(Features from Accelerated Segment Test)角点检测算法是一种快速且高效的角点检测方法。它通过检测每个像素周围的连续像素集合,确定是否为角点。FAST 角点检测算法通过比较灰度值之差,快速判断像素点是否为角点。它具有低计算复杂度和快速执行速度,适用于实时图像处理和高效角点检测需求的场景。该算法在计算机视觉和图像处理中广泛应用于物体识别、跟踪和图像特征提取等任务。原创 2024-02-11 16:37:56 · 1222 阅读 · 0 评论