计算机视觉
Vic时代
这个作者很懒,什么都没留下…
展开
-
计算机视觉——颜色Color
颜色空间RGB颜色空间 Lab颜色空间:L表示亮度,a表示从红色到绿色的范围,b表示从蓝色到黄色的范围。 YIQ颜色空间:Y表示亮度,I和Q表示色度信号。YIQ颜色空间与RGB颜色空间对应关系如下: Y=0.299∗r+0.587∗g+0.114∗bY = 0.299*r+0.587*g+0.114*b I=0.596∗r−0.275∗g−0.321∗bI = 0.596*r-0.275*g原创 2017-03-28 17:14:43 · 3071 阅读 · 1 评论 -
计算机视觉之目标跟踪——论文Learning to Track at 100 FPS with Deep Regression Networks
论文解读模型输入输出模型结构训练motion model训练数据实现说明源码解读srchelper文件夹bounding_boxcppimage_proccppsrctrain文件夹example_generatorcpptracker_trainercpptraincppLearning to Track at 100 FPS with Deep Regressi原创 2017-03-13 18:01:19 · 1799 阅读 · 0 评论 -
计算机视觉之跟踪算法——相关滤波器Correlation Filter
ASEF相关滤波器:Average of Synthetic Exact Filters David S. Bolme, Bruce A. Draper, J. Ross Beveridge CVPR, 2009相关滤波器可以用于物体定位。相关滤波器算法的思想是学习一个滤波器hh,然后和图像fif_i进行卷积操作gi=fi∗hg_i=f_i*h得到相关信息图,图中值最大的点就是物体的位置。训练原创 2017-03-16 09:24:24 · 16314 阅读 · 1 评论 -
计算机视觉——噪声
椒盐噪声,又称脉冲噪声,以黑白点的形式叠加在图片中。一般使用中值滤波器来去除椒盐噪声。原创 2017-04-04 09:15:48 · 1952 阅读 · 0 评论 -
计算机视觉——Laplace算子
二维图像函数f(x,y)f(x,y)的拉普拉斯算子定义为: ∇2f=∂2f∂x2+∂2f∂y2\nabla^2f=\frac{\partial^2f}{\partial x^2}+\frac{\partial^2f}{\partial y^2} Laplace算子是线性算子。原创 2017-04-05 07:56:45 · 1383 阅读 · 0 评论 -
计算机视觉——滤波
各向同性滤波器是旋转不变的,即将原图像旋转之后再进行滤波的结果与先进行滤波再旋转的结果是一样的。原创 2017-04-05 07:58:44 · 905 阅读 · 0 评论 -
计算机视觉之统计形状模型——Stasm源码阅读
我下载的是Stasm 4.1.0版本。stasm文件夹包含的是模型的实现。主要的源码文件是 stasm_lib.cpp,其中的函数stasm_search_single()是主要接口函数,在给定的一张人脸图片中搜索landmark点。1、MOD_1文件夹对ASM进行初始化,给出特征向量、特征值以及对b的约束值,是一个已经训练好的模型。 MOD_1/initasm.cpp: 函数:void In原创 2017-04-13 19:33:13 · 3151 阅读 · 3 评论 -
计算机视觉之统计形状模型——Active Shape Model
ASM由Cootes于1995年在论文[1]中提出。ASM是对图像中的shape进行建模的可变模型(deformable model),得到的形状模型既可以用来分析新的形状(拟合模型到新形状,见第4节),也可以用于生成形状(在给定图像中搜索形状,见第5节)。首先需要给出shape的定义。给定一幅图片,对感兴趣物体标注landmark points,以人脸为例,就是选择人脸上的关键点,如下图所示:原创 2017-04-11 15:18:06 · 11101 阅读 · 1 评论 -
计算机视觉——加权最小二乘(WLS)滤波器
Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation Zeev Farbman, Raanan Fattal, Dani Lischinski, Richard Szeliski Acm Transactions on Graphics , 2008 在关于人脸试妆的论文Digital Face M原创 2017-05-04 16:21:58 · 14364 阅读 · 2 评论 -
计算机视觉竞赛
PASCAL VOC和ImageNet ILSVRC竞赛关注于物体识别。 LSUN(Large-scale Scene Understanding Challenge)比赛:在CVPR上举办的竞赛,主要针对场景识别问题,包括场景分类、显著性预测、房间布局估计、生成caption等。原创 2017-02-27 15:24:16 · 1918 阅读 · 0 评论 -
计算机视觉之图像特征——曲率curvature
curvature(I)=div(∇I/|∇I|)curvature(I)=div(\nabla I/|\nabla I|)原创 2017-03-02 10:18:40 · 7794 阅读 · 1 评论 -
计算机视觉之统计形状模型——Procrustes alignment(待定)
对于Procrustes alignment的介绍可以参考这篇介绍:https://www.futurelearn.com/courses/statistical-shape-modelling/2/steps/120487。等复现之后会自己整理一份。原创 2017-03-27 17:53:17 · 2737 阅读 · 0 评论 -
计算机视觉之统计形状模型——资料
https://www.futurelearn.com/courses/statistical-shape-modelling/这个课程对统计形状模型的方方面面做了详尽的介绍,共八课时。原创 2017-03-27 17:45:55 · 3129 阅读 · 0 评论 -
计算机视觉——边
一般情况下边检测器定义为正的递减函数g,自变量是图像I的梯度,比如: g(|∇I(x,y)|)=11+|∇Gσ(x,y)∗I(x,y)|p,p≥1g(|\nabla I(x, y)|)=\frac{1}{1+|\nabla G_\sigma(x,y)*I(x,y)|^p}, p\geq 1 其中Gσ∗IG_\sigma*I卷积操作是对I进行光滑处理。而Gσ(x,y)=σ−12e−|x2+y2|/原创 2017-03-02 10:26:11 · 382 阅读 · 0 评论 -
计算机视觉之图像分割——Snake模型(1译文)
本文为 http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/RAMANI1/node31.html的翻译。 针对图像分割问题,Kass提出了一种算法。他对可以在存在噪声和其他歧义的情况下仍能识别相似对象的基于模型的技术非常感兴趣。Kass提出了snake的概念,snake是一种active contour model(注:下面把这个术语翻译 2017-03-01 16:23:16 · 4400 阅读 · 0 评论 -
错误集锦
make时出现如下错误:g++ -m64 -Wl,-O1 -o dist/RunActiveContoursQt build/ActiveContours.o build/CameraMovement.o build/FPSMovement.o build/GLWidget.o build/main.o build/Tools.o build/MainWindowOZ.o build/SignedD原创 2017-03-03 15:12:03 · 916 阅读 · 0 评论 -
计算机视觉——欧氏距离变换EDT
欧式距离变换Euclidean Distance Transform是把二值图转换成灰度图的方法。给定一张二值图,每个元素只能取值0或1,我们把值为0的点称作背景点,值为1的点称为目标点。那么对二值图进行EDT变换后,目标点X的值变成: Xnew=Σn(Xold(n)−Bx(n))2‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√X_{new}=\sqrt {\Sigma_n(X_{old}(n)-B_x原创 2017-03-07 23:43:51 · 4223 阅读 · 0 评论 -
计算机视觉——符号距离函数SDF
符号距离函数Signed Distance Function是某度量空间X中的一个集合Ω\Omega的函数,决定X中任一点到 Ω\Omega边界∂Ω\partial \Omega的距离,并且由x是在Ω\Omega 内还是Ω\Omega外确定其SDF的正负号:当x在Ω\Omega内时,SDF为正;当x在Ω\Omega外时,SDF为负。假设d是空间X的一种度量,那么SDF用数学公式表达: f(x)={原创 2017-03-09 08:24:53 · 15162 阅读 · 0 评论 -
计算机视觉会议
ICCV的全称是International Comference on Computer Vision,ICCV两年一次,与ECCV正好错开,是公认的三个会议中级别最高的。 CVPR的全称是International Conference on Computer Vision and Pattern Recogintion。一年一次。 ECCV的全称是Europeon Conference on原创 2017-02-27 15:25:57 · 780 阅读 · 0 评论 -
计算机视觉之图像分割——水平集方法_ACWE2001
这篇博客介绍的是2001年的一篇文章Active Contours Without Edges,作者是Tony Chan。这篇文章介绍了一种改进的active contour图像分割或者说轮廓检测方法。作者首先分析了已有的active contour模型或者说snakes模型的缺点。作者认为在相关的模型中,能量函数中的图像能量基本上都是定义在图像梯度上的,通过梯度达到最大(即边缘)来让曲线演化停止。原创 2017-03-09 19:45:46 · 19539 阅读 · 8 评论