- 博客(10)
- 收藏
- 关注
原创 图像分类:AlexNet
# Copyright 2015 The TensorFlow Authors. All Rights Reserved.## Licensed under the Apache License, Version 2.0 (the "License");# you may not use this file except in compliance with the License.# You may obtain a copy of the License at## http://ww
2021-04-23 14:52:17
169
原创 SVM、AdaBoost
一、SVM支持向量机,因其英文名为support vector machine,故一般简称SVM,通俗来讲,它是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。SVM数学推论可以看:https://blog.csdn.net/v_july_v/article/details/7624837https://blog.csdn.net/zouxy09/article/details/17291543写的特别详细pyt
2021-04-23 14:36:50
2343
1
原创 传统图像分割、人脸识别、行人检测
一、传统图像分割概念:根据灰度、颜色、纹理、形状等划分为若干互补交叠的区域,基于不连续与相似性方法1:基于阈值:基于图像灰度特征计算一个或多分阈值,并将所有像素和阈值比较,划分到不同的区域中(大津法)方法2:基于边缘:指图像中两个不同区域的边界线上连续的像素点的集合,是图像局部特征不连续的反映,是各个特征的突变方法3:基于区域(相似性):区域生长法:设定初始区,当待加入像素点和区域所有像素的平均值差的绝对值小于最大灰度值距离就加入,否则停止区域分裂合并法:通过分裂,可以将不同特征的区域分离
2021-04-22 16:21:07
1793
原创 特征提取:其他特征提取
一、LBP局部二值模式将每个像素点和周围点比较,大小量化为0和1,多个bit组成一个数,统计数的直方图优点在于灰度不变性和旋转不变性以下图为例:LBP部分特征:[3.24522569e-02 1.70852623e-02 6.80941358e-04 4.17004244e-031.46527778e-02 2.72762346e-03 4.03356481e-03 2.13522377e-027.57137346e-04 3.76639660e-04 3.80979938e-05 1.18
2021-04-22 15:07:45
246
原创 特征提取:几何特征
一、特征提取:几何特征图像几何特征提取有两种提取方法,一种是基于边缘的提取,另一种是基于特征点的特征描述算子。基于边缘的提取像素值函数快速变化的区域,一阶导数的极值区域特点像素明显变化,语义丰富;提取:先高斯去噪,再使用一阶导数获取极值(梯度下降),原因在于导数对噪声敏感不同标准差的波(x方向)能捕捉到不同尺度的边缘用途:物体识別,几何、视角变换基于特征点的特征描述算子:特点:图像不管咋变化,特征点可以稳定局部,具有可重复性、显著性用途:图像配准/拼接;运动跟踪;物体识别;机器人导航;3D
2021-04-20 21:42:26
7813
原创 特征提取:颜色特征
一、特征提取:颜色特征对图像颜色特征的提取主要有两种算法:量化颜色直方图和聚类颜色直方图量化颜色直方图以单元(bin)由单元中心代表,统计落在量化单元的像素数量优势:计算高效劣势:量化问题、稀硫聚类颜色直方图Lab操作:使用聚类法对所有依点色向量进行米类,单元(bin)由聚类中心代表优势:考虑了图颜色特征在整个空间的分布情况,避免出现大量bin中像素量非常稀硫的情况劣势:两幅直方图相近的图像,只错开个bin,采用1距高或欧拉距高计算会得到很小的相似度解决:考虑相似但不相同的颜色之间的相似度
2021-04-20 16:42:35
4581
原创 邻域运算
一、邻域运算邻域运算:在每个图象位置(x,y)进行基于领域的函数计算。常见的函数有:平滑/去噪梯度/锐化边缘、显著点、纹理模式检测;具体的滤波/卷积算法有:均值滤波:既没有去除点,也破坏了图像细节反而使图像变得模糊中值滤波:卷积域内的像素值从小到大排序,取中间值作为卷积输出,能去除椒盐噪声高斯滤波:模拟人眼观注中心区域,离中心越远越模糊,有效去除高斯噪声梯度Prewitt滤波/卷积:水平梯度/垂直边缘、垂直梯度/水平边缘梯度Sobel滤波/卷积:同上,也都是检验垂直边缘和水平边缘的滤波
2021-04-20 15:55:13
3998
原创 腐蚀、膨胀、开运算、闭运算
一、腐蚀、膨胀、开运算、闭运算腐蚀:图像中的高亮部分进行膨胀膨胀:原图中的高亮部分被腐蚀,类似于领域被蚕食开运算:先腐蚀再膨胀,可以去掉目标外孤立的点闭运算:先膨胀再腐蚀,可以去掉目标内的孔二、python以下图为例:二值化图:腐蚀后图:上述算法代码:import cv2 as cv import matplotlib.pyplot as pltdef erode_demo(image): #腐蚀 print(image.shape) gray = cv.cvt
2021-04-19 14:01:20
3738
原创 限制对比度自适应直方图均衡化
限制对比度自适应直方图均衡化限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization, CLAHE)限制对比度自适应直方图均衡化方法步骤为:将整幅图像切分为8*8的块,接着计算每个block的累积分布,在计算累积分布时,限制一下其对比度,防止直方图出现特别陡峭的情况,具体操作就是将直方图中高于某个阈值a的数值全都找出来构成一个集合B,然后B中的每一个元素b都变为a,其中b高于a的部分进行求和得到c,c除以256(该256是指灰度等级,
2021-04-15 15:52:35
1360
原创 直方图均衡化
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录引言一、python二、matlab引言直方图均衡化(Histogram Equalization)是一种非线性拉伸,通常增加图像的局部对比度,提高图片利用率,说白了就是将一副图像的直方图分布变成近似均匀分布,从而增强图像的对比度。一、python以下图为例:直方图代码:import cv2import numpy as np from matplotlib import pyplot as plt img
2021-04-14 16:01:39
2033
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人