KDE图片处理分析

最新推荐文章于 2024-08-16 16:03:09 发布

核桃壳核桃仁

最新推荐文章于 2024-08-16 16:03:09 发布

阅读量1.7k

点赞数 1

分类专栏： KDE 文章标签： KDE 图像处理机器学习

本文链接：https://blog.csdn.net/weixin_43764676/article/details/85008927

版权

本文介绍了使用MATLAB进行KDE（核密度估计）图像处理的方法，包括选择带宽、导入图像、计算差值、构建核密度估计公式，并通过三维KDE示图展示。同时，对图像进行了二值化和中值滤波处理，以消除噪声。实验涉及两个不同的图像序列，分别来自PPT提供的数据和路口监控视频截图。

摘要由CSDN通过智能技术生成

一．总体介绍
（初学机器学习，如有不足，还望指出）
基于MATLAB平台进行编程绘制并处理，其中的带宽的选取为优化分析后得到的值，此次直接采用h为0.855。
根据图片的像素为576768个像素点，所以构造出f = zeros(576,768);根据函数公式来构造 G{a}=(1-(X{a}/h).^{2).*(1-(Y{a}/h).}2).(1-(Z{a}/h).^2);函数公式。将图片信息导入MATLAB中，经过处理后便得到三维KDE示图，二值图像用，中值滤波简单消噪的二值图像.
二．具体的程序：
h=0.855;
%根据PPT中对h的讨论选取带宽为0.855为恰当值
T = imread(’ C:\Users\Administrator\Desktop\KDE作业数据\测试数据集\frame_01.jpg’);
%将测试图像导入
T = im2double(T);
%对测试图像处理
for a = 1:20
S = strcat (‘C:\Users\Administrator\Desktop\KDE作业数据\训练数据集\ ‘, int2str(a) ,’.jpg’) ;
%将20幅训练图像导入
image = imread(S);
A{a} = im2double(image);
%对20幅训练图像处理
end
%上式为对训练图像的处理
for a=1:20
X{a}= A{a}(:,:,1)- T(:,:,1);
Y{a}= A{a}(:,:,2)- T(:,:,2);
Z{a}= A{a}(:,:,3)- T(:,:,3);
G{a}=(1-(X{a}/