计算机视觉
文章平均质量分 72
雪韵凌枫
有道无术尚可求,有术无道止于术
展开
-
计算机视觉--四部奇书
这本书的第一版在2002年出来时轰动一时,是一本不可多得计算机视觉的教材。计算机视觉领域发展非常快,10年前的书在现在看来多少有些过时。当然偏理论的除外,比如《Multiple View Geometry in Computer Vision》。前一段时间我还在憧憬这本书什么时候可以出第二版。后来在浏览David Forsyth的个人主页时,兴奋得发现我的愿望实现了。更兴奋的是在iask上可以转载 2014-09-25 11:36:27 · 939 阅读 · 0 评论 -
目标检测的图像特征提取之(二)LBP特征
目标检测的图像特征提取之(二)LBP特征zouxy09@qq.com LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子;它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和 D. Harwood 在1994年提出,用于纹理特征提取。而且,提取的特征是图像的局部的转载 2014-11-20 15:08:54 · 806 阅读 · 0 评论 -
目标检测的图像特征提取之(三)Haar特征
目标检测的图像特征提取之(三)Haar特征zouxy09@qq.com1、Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征。Haar特征分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。特征模板内有白色和黑色两种矩形,并定义该模板转载 2014-11-20 15:09:49 · 703 阅读 · 0 评论 -
纹理特征分析的灰度共生矩阵(GLCM)
纹理分析是对图像灰度(浓淡)空间分布模式的提取和分析。纹理分析在遥感图像、X射线照片、细胞图像判读和处理方面有广泛的应用。关于纹理,还没有一个统一的数学模型。它起源于表征纺织品表面性质的纹理概念,可以用来描述任何物质组成成分的排列情况,例如医学上X 射线照片中的肺纹理、血管纹理、航天(或航空)地形照片中的岩性纹理等。图像处理中的视觉纹理通常理解为某种基本模式(色调基元)的重复排列。因此描述一种纹理转载 2014-12-24 09:44:51 · 3186 阅读 · 0 评论 -
图像特征提取总结
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分,它是许多计算机图像分析算法的起点。因此一个算法转载 2014-12-24 09:52:36 · 5358 阅读 · 0 评论 -
多尺度与多分辨率的理解
我一开始以为 多尺度与多分辨率 是一样的意思。后来看到了xiaowei_cqu博客的一篇文章“【OpenCV】SIFT原理与源码分析:DoG尺度空间构造”(以下简称,xiaowei一文),才发现我的理解有误。尺度空间(scale space)理论要理解多尺度,首先要知道什么是尺度空间。xiaowei一文中提到,自然界中的物体呈现出不同的形态,需要不同的尺度观测。转载 2015-02-03 17:04:17 · 6268 阅读 · 0 评论 -
对于gabor变换和gabor小波变换理解与总结
最近开始研究gabor变换,之前只是停留在表面的意义上,没有深入研究,总是将gabor变换和gabor小波变换混为一团 ,给自己后续的学习带来很大的困扰,借此机会查阅了相关资料好好整理总结一下,以便区分。不过在说gabor变换和gabor小波变换之前,不得不提一下傅里叶变换和小波变换,因为它们都是由傅里叶变换的演变而产生的。一、定义与联系傅立叶变换 表示能将满足一定条件的某个原创 2015-02-04 19:04:42 · 23474 阅读 · 2 评论 -
国内从事CV行业的企业
转载出处:blog.csdn.net/carson2005经常碰到朋友问我国内从事计算机视觉(CV)领域的公司的发展情况,产品情况,甚至找工作等问题,这里,我给出自己收集的国内从事CV相关领域的公司网址及其主要产品,有兴趣的朋友可以去看看。另外,资料整理的不是很完善,后续我会继续更新和添加,并及时在我博客进行更新(blog.csdn.net/carson2005)。(1) 北京北方猎波科技转载 2014-11-03 10:03:49 · 9093 阅读 · 0 评论 -
图像特征提取与匹配
常用的图像特征有“颜色特征”、“纹理特征”、“形状特征”、“空间关系”特征。一 颜色特征(一)特点:颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常转载 2015-01-05 20:34:09 · 1666 阅读 · 0 评论 -
图像分割方法介绍
图像分割是从图像处理到图像分析的关键技术。图像分割的种类和方法很多,有些分割算法可直接用于任何图像,而另一些算法只能适用于分割特殊类别的图像。有些算法需要先对图像进行粗分割,因为它们需要从图像中提取出来的信息。没有唯一的标准的方法。分割结果的好坏需要根据具体的场合要求衡量。早期的图像分割方法可以分为两大类。一类是边界方法,这种方法假设图像分割结果的某个子区域在原来图像中一定会有边缘存在;一类是转载 2015-01-05 20:47:45 · 3225 阅读 · 0 评论 -
机器视觉与概率模型
上世纪60年代, Marvin Minsky 在MIT让他的本科学生 Gerald Jay Sussman用一个暑假的时间完成一个有趣的Project : “link a camera to a computer and get the computer to describe what it saw”。从那时开始,特别是David Marr教授于1977年正式提出视觉计算理论,计算机视觉已经走过了转载 2015-05-25 16:20:19 · 594 阅读 · 0 评论 -
计算机视觉、机器学习相关领域论文和源代码
转自:http://blog.csdn.net/zouxy09/article/details/8550952注:下面有project网站的大部分都有paper和相应的code。Code一般是C/C++或者Matlab代码。最近一次更新:2013-3-17一、特征提取Feature Extraction:· SIFT [1] [Demo转载 2014-11-20 14:37:30 · 641 阅读 · 0 评论 -
局部特征图像描述
局部图像特征描述是计算机视觉的一个基本研究问题,在寻找图像中的对应点以及物体特征描述中有着重要的作用。它是许多方法的基础,因此也是目前视觉研究中的一个热点,每年在视觉领域的顶级会议ICCV/CVPR/ECCV上都有高质量的特征描述论文发表。同时它也有着广泛的应用,举例来说,在利用多幅二维图像进行三维重建、恢复场景三维结构的应用中,其基本出发点是要有一个可靠的图像对应点集合,而自动地建立图像之间点与点转载 2015-05-25 16:27:42 · 956 阅读 · 0 评论 -
康耐视研讨会总结
一、对Visionpro有了新的认识,并与MVT的Halcon、NI的Labview和开源的Opencv进行比较VisionPro是基于 COM/ActiveX 的 机器视觉工具,是美国康耐视公司(Cognex ®)推出的,具有以下特点:1、快速建立原型和易于集成 。VisionPro 的两层软件结构便于建立原型和集成。交互层利用拖放工具和ActiveX控件以加速应用系统的开发;在程序层原创 2015-08-14 14:59:11 · 3930 阅读 · 2 评论 -
机器视觉VS计算机视觉
一、机器视觉与计算机视觉的区别与联系 在很多情况下,我们误认为机器视觉就是计算机视觉,其实这是不准确的。首先我们从定义着手,何为机器视觉?何为计算机视觉?机器视觉其实就是用机器代替人眼进行测量和判断。计算机视觉是利用计算机和其辅助设备来模拟人的视觉功能,通过感知客观世界来进行检测、识别和认知。机器视觉和计算机视觉不仅是两个不同的概念,而且侧重点也不同。机器视觉侧重工程的应用,强调实原创 2016-03-07 19:53:06 · 12500 阅读 · 2 评论 -
乘风波浪,立于浪潮之巅
对于视觉而言,会C++才是王道,这句话虽然有些绝对,但要成为驰骋CV界,C++编程就显得相当重要。为什么这么说?目前国内做视觉的大多数是基于Labview、OpenCV和Halcon等软件基础上做系统集成或者二次开发,但真正想抢占市场或者与国内外企业竞争,必须要有自己的东西,这是你会多少个软件都弥补不过来的,用别人的东西将会处处受限。同时这是个大数据时代,从硬件切入,到软件跟进,打造出数字化平台的原创 2016-05-29 16:04:54 · 1116 阅读 · 1 评论 -
目标检测的图像特征提取之(一)HOG特征
目标检测的图像特征提取之(一)HOG特征zouxy09@qq.com1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中转载 2014-11-20 15:07:44 · 628 阅读 · 0 评论 -
推荐几个免费的国外图像库,数字图像处理必备
转自: http://blog.sina.com.cn/s/blog_53c74fa1010002pn.html做数字图像处理的,怎能没有一个图库?虽说自己可以建立,可是如果是比较知名的图库,做出来的实验结果才能比较让人信服。coral是很有名,可他要收费。我寻寻觅觅,还是找到了一些图库,有的是纯texture图库,比如著名的vistex,有的是faceimages,有的也有RGB真转载 2014-11-20 14:48:47 · 738 阅读 · 0 评论 -
Computer Vision的尴尬
Computer Vision是AI的一个非常活跃的领域,每年大会小会不断,发表的文章数以千计(单是CVPR每年就录取300多,各种二流会议每年的文章更可谓不计其数),新模型新算法新应用层出不穷。可是,浮华背后,根基何在?对于Vision,虽无大成,但涉猎数年,也有管窥之见。Vision所探索的是一个非常复杂的世界,对于这样的世界如何建模,如何分析,却一直没有受普遍承认的理论体系。大部分的转载 2014-09-25 13:18:05 · 952 阅读 · 0 评论 -
图像处理与计算机视觉:基础,经典以及最近发展(5)计算机视觉
这一章是计算机视觉部分,主要侧重在底层特征提取,视频分析,跟踪,目标检测和识别方面等方面。对于自己不太熟悉的领域比如摄像机标定和立体视觉,仅仅列出上google上引用次数比较多的文献。有一些刚刚出版的文章,个人非常喜欢,也列出来了。本章的下载地址:http://iask.sina.com.cn/u/2252291285/ish?folderid=868772转载 2014-09-25 11:28:27 · 702 阅读 · 0 评论 -
图像分割_区域生长
区域增长方法是根据同一物体区域内象素的相似性质来聚集象素点的方法,从初始区域(如小邻域或甚至于每个象素)开始,将相邻的具有同样性质的象素或其它区域归并到目前的区域中从而逐步增长区域,直至没有可以归并的点或其它小区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。 区域增长方法是一种比较普遍的方法,在没有先验知识可以利用时,可以取得最佳的性能,可以用来分割比较复杂的转载 2014-09-25 13:37:22 · 3364 阅读 · 0 评论 -
图像处理中各种边缘检测的微分算子简单比较(Sobel,Robert, Prewitt,Laplacian,Canny)
http://blog.csai.cn/user1/44205/archives/2008/23882.html不同图像灰度不同,边界处一般会有明显的边缘,利用此特征可以分割图像。需要说明的是:边缘和物体间的边界并不等同,边缘指的是图像中像素的值有突变的地方,而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界,也有可能边界的地方并无边缘,因为现实世界中的物体是三维转载 2014-09-25 13:40:55 · 3779 阅读 · 0 评论 -
图像处理和计算机视觉中的经典论文(部分)
自己视野狭小,不敢说全部,只是把自己熟悉的方向中的部分经典文章列出来了。经典的论文,读得怎么透都不过分。有人说关于配准的文章太多了,其实我也不太关注这方面,不过由于它们引用率都比较高,就都列出来了,不过在zip包里一篇都没有。不关注这方面的可以无视之。文档和论文下载地址:http://iask.sina.com.cn/u/2252291285/ish?folderid=775855转载 2014-09-25 11:34:19 · 1153 阅读 · 0 评论 -
Computer Vision 代码
Jia-Bin的Computer Vision Resource的内容(纯copy 备份用)323个ItemTypeTopicNameReferenceLinkCodeStructure from motionlibmv http://code.google.com/p/libm转载 2014-09-25 11:31:13 · 2891 阅读 · 1 评论 -
图像处理与计算机视觉:基础,经典以及最近发展(1)序
1. 为什么要写这篇文章从2002年到现在,接触图像快十年了。虽然没有做出什么很出色的工作,不过在这个领域摸爬滚打了十年之后,发现自己对图像处理和计算机视觉的感情越来越深厚。下班之后看看相关的书籍和文献是一件很惬意的事情。平常的一大业余爱好就是收集一些相关的文章,尤其是经典的文章,到现在我的电脑里面已经有了几十G的文章。写这个文档的想法源于我前一段时间整理文献时的一个突发奇想,既然有这个多转载 2014-09-25 11:21:02 · 663 阅读 · 0 评论 -
图像分割_区域分裂合并
转自:http://blog.csdn.net/cay22/article/details/5666109区域分裂合并算法的基本思想是先确定一个分裂合并的准则,即区域特征一致性的测度,当图像中某个区域的特征不一致时就将该区域分裂成4 个相等的子区域,当相邻的子区域满足一致性特征时则将它们合成一个大区域,直至所有区域不再满足分裂合并的条件为止. 当分裂到不能再分的情况时,分裂结束,然转载 2014-09-25 13:39:13 · 20714 阅读 · 1 评论 -
和机器学习和计算机视觉相关的数学(from LinDahua)
From: http://dahua.spaces.live.com/default.aspx1. 线性代数 (Linear Algebra):我想国内的大学生都会学过这门课程,但是,未必每一位老师都能贯彻它的精要。这门学科对于Learning是必备的基础,对它的透彻掌握是必不可少的。我在科大一年级的时候就学习了这门课,后来到了香港后,又重新把线性代数读了一遍,所读的是In转载 2014-09-25 11:39:15 · 655 阅读 · 0 评论 -
计算机视觉领域稍微容易中的期刊
(1)pattern recognition letters, 从投稿到发表,一年半时间(2)Pattern recognition 不好中,时间长(3)IEICE Transactions on Information and Systems, 作者中有一个必须是会员。收费高,审稿快。影响因子0.4(4)International Journal of Pattern R转载 2014-09-25 13:06:33 · 1592 阅读 · 0 评论 -
Computer Vision Courses
Introduction to Image Processing and Analysis, Virginia TechLynn AbbottPerceptual Grouping, MIT, USEdward AdelsonComputer Vision at IITComputer Vision, Yale University, USAPeter Belh转载 2014-09-25 13:12:21 · 608 阅读 · 0 评论 -
图像处理与计算机视觉:基础,经典以及最近发展(4)图像处理与分析
本章主要讨论图像处理与分析。虽然后面计算机视觉部分的有些内容比如特征提取等也可以归结到图像分析中来,但鉴于它们与计算机视觉的紧密联系,以及它们的出处,没有把它们纳入到图像处理与分析中来。同样,这里面也有一些也可以划归到计算机视觉中去。这都不重要,只要知道有这么个方法,能为自己所用,或者从中得到灵感,这就够了。本章的下载地址在:http://iask.sina.com.cn/u/22转载 2014-09-25 11:24:04 · 655 阅读 · 0 评论 -
图像处理与计算机视觉:基础,经典以及最近发展(3)计算机视觉中的信号处理与模式识别
从本章开始,进入本文的核心章节。一共分三章,分别讲述信号处理与模式识别,图像处理与分析以及计算机视觉。与其说是讲述,不如说是一些经典文章的罗列以及自己的简单点评。与前一个版本不同的是,这次把所有的文章按类别归了类,并且增加了很多文献。分类的时候并没有按照传统的分类方法,而是划分成了一个个小的门类,比如SIFT,Harris都作为了单独的一类,虽然它们都可以划分到特征提取里面去。这样做的目的是希望能转载 2014-09-25 11:23:24 · 622 阅读 · 0 评论 -
图像处理与计算机视觉:基础,经典以及最近发展(2)图像处理与计算机视觉相关的书籍
1. 数学我们所说的图像处理实际上就是数字图像处理,是把真实世界中的连续三维随机信号投影到传感器的二维平面上,采样并量化后得到二维矩阵。数字图像处理就是二维矩阵的处理,而从二维图像中恢复出三维场景就是计算机视觉的主要任务之一。这里面就涉及到了图像处理所涉及到的三个重要属性:连续性,二维矩阵,随机性。所对应的数学知识是高等数学(微积分),线性代数(矩阵论),概率论和随机过程。这三门课也是考研转载 2014-09-25 11:17:43 · 661 阅读 · 0 评论 -
形态学运算中腐蚀,膨胀,开运算和闭运算
形态学运算中腐蚀,膨胀,开运算和闭运算。1. 腐蚀是一种消除边界点,使边界向内部收缩的过程。可以用来消除小且无意义的物体。腐蚀的算法:用3x3的结构元素,扫描图像的每一个像素用结构元素与其覆盖的二值图像做“与”操作如果都为1,结果图像的该像素为1。否则为0。结果:使二值图像减小一圈2. 膨胀是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程。可以用转载 2014-09-25 13:44:38 · 2488 阅读 · 0 评论 -
像素大小的计算
如何将像素尺寸与实际尺寸对应起来,是视觉测量很重要的一个环节,下面介绍一个比较简单的方法:1、采集一幅实际物体的图像,然后用Window自带的画图工具打开;2、鼠标指向物体边长的两个端点。分别记录下两端点坐标A(x1,y1) ,B(x2,y2);3、量一下物体AB边长的实际长度L(为了方便可以用um表示);4、根据空间两点距离公式可知一个像素的大小可以表示为:L/sqrt((x原创 2016-11-24 18:56:57 · 15307 阅读 · 0 评论