图像处理相关知识
百度百科
数字图像处理(计算机图像处理技术)_百度百科图像识别的原理
本质上是图像分类
图像分类常采用经典的模式识别方法,有统计模式分类和句法(结构)模式分类,近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。
基本过程
提取特征
模型训练
分类
常见的一些方法
1.经典的模式识别方法
提取特征,特征描述,拟合模型
相关概念
全局特征:如颜色分布,纹理特征,主要物体的形状等
局部特征:斑点与角点是两类局部特征点。斑点通常是指与周围有着颜色和灰度差别的区域,如草原上的一棵树或一栋房子。它是一个区域,所以它比角点的噪能力要强,稳定性要好。而角点则是图像中一边物体的拐角或者线条之间的交叉部分。
1.1 SIFT图像特征提取
本质上是用来提取特征,特征描述
使用DOG金字塔找到图像当中的特征点,并给这个特征点一个128维度的向量描述
Sift中尺度空间、高斯金字塔、差分金字塔(DOG金字塔)、图像金字塔 - 心灵智者AI - 博客园2.深度学习的方法
省去的提取特征的步骤,特征提取是一个非常困难的一个步骤(特征工程)
深度学习就可以不用管图像的特征,直接将整副图像作为f(x)=y当中的x
深度学习图像识别经典demo
1.手写数字识别
2.经典的CNN图像算法
两种操作 卷积 池化 softmax
卷积:抽取局部图像,并做一些操作,高斯模糊
池化:提取特征值,最大,平均
可以认为softmax之前所有的卷积与池化过程都是为了提取特征
http://dataunion.org/11692.html一些数学概念
卷积
CSDN-专业IT技术社区-登录上采样 下采样
上采样和下采样 - Hoganway - 博客园高斯差分金字塔