图像处理 & 机器学习
文章平均质量分 70
1、介绍图像处理基本算法,以及OpenCV相关实例
2、视觉相关机器学习方法总结
Summer_ZJU
如果你不去努力,就没有资格抱怨
展开
-
Machine Learning Yearning(开篇、1、2)
Machine Learning Yearning(开篇、1、2)Machine Learning Yearning开篇12开篇目的下载章节名称Chapter 1Why Machine Learning StrategyChapter 2How to use this book to help your team开篇网上搜了一下,发现已经有一些翻译后翻译 2017-03-02 10:12:05 · 1955 阅读 · 0 评论 -
Machine Learning Yearning(3、4)
NG的机器学习教程,第三章:预备知识和注释;第四章:规模驱使机器学习前进。 完整手稿翻译详见:https://github.com/xiaqunfeng/machine-learning-yearningChapter 3Prerequisites and NotationChapter 4Scale drives machine learning progressCh翻译 2017-03-08 11:14:31 · 885 阅读 · 0 评论 -
Machine Learning Yearning(5、6、7)
第5、6、7三章,主要讲开发集和测试集,包括选型、大小、比例等。 完整手稿翻译详见:https://github.com/xiaqunfeng/machine-learning-yearningSetting up development and test setsChapter 5Your development and test setsChapter 6Your dev and翻译 2017-03-12 15:44:57 · 918 阅读 · 0 评论 -
国内从事CV相关的企业及链接(排名不分先后)
(1) 北京北方猎波科技有限公司:http://www.northwh.com/beifangliebo/main1.html 红外探测成像产品(2) 深圳超多维光电子有限公司北京分公司:http://www.superd.com.cn 立体显示设备(3) 深圳尤利尔科技有限公司北京分公司:http://www.unier.com.cn/index.asp 森林防火,监狱报警监控(4)转载 2013-12-11 10:46:03 · 8625 阅读 · 0 评论 -
SIFT特征提取分析
SIFT(Scale-invariant feature transform)是一种检测局部特征的算法,该算法通过求一幅图中的特征点(interest points,or corner points)及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配,获得了良好效果,详细解析如下:算法描述SIFT特征不只具有尺度不变性,即使改变旋转转载 2014-02-27 22:02:27 · 2183 阅读 · 0 评论 -
浅谈图像处理方向的就业前景 & 心得感悟 & 一些相关期刊
最近版上有不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。 就我看来,个人觉得图像处理的就业还是不错的。首先可以把图像看成二维、三维或者更高维的信号,从这个意义上来说,图像处理是整个信号处理里面就业形势最好的,因为你不仅要掌握(一维)信号处理的基本知识,也要掌握图像处理(二维或者高维信号处理)的知识。其次,图像处理是计算机视觉和视频处理的原创 2014-05-26 20:17:40 · 24285 阅读 · 1 评论 -
计算机视觉、机器学习相关领域论文和源代码大集合
一、特征提取Feature Extraction:· SIFT [1] [Demo program][SIFT Library] [VLFeat]· PCA-SIFT [2] [Project]· Affine-SIFT [3] [Project]· SURF [4] [OpenSURF] [M转载 2014-09-09 20:34:40 · 787 阅读 · 0 评论 -
K-Means算法
一、前言聚类是观察式学习,在聚类前可以不知道类别甚至不给定类别数量,是无监督学习的一种。相比于分类,聚类不依赖预定义的类和类标号的训练实例, 分类是示例式学习,要求分类前明确各个类别,并断言每个元素映射到一个类别。很多时候上述条件得不到满足,尤其是在处理海量数据的时候,如果通过预处理使得数据满足分类算法的要求,则代价非常大,这时候可以考虑使用聚类算法。所谓聚类问题,就是给定一个元素集合D,原创 2014-04-07 21:51:41 · 1587 阅读 · 0 评论 -
最小二乘法拟合圆公式推导及vc实现
最小二乘法(least squares analysis)是一种 数学 优化 技术,它通过 最小化 误差 的平方和找到一组数据的最佳 函数 匹配。 最小二乘法是用最简的方法求得一些绝对不可知的真值,而令误差平方之和为最小。 最小二乘法通常用于 曲线拟合 (least squares fitting) 。这里有 拟合圆曲线 的公式推导过程 和 vc实现。VC实转载 2014-04-11 09:44:01 · 3107 阅读 · 1 评论 -
在Matlab中使用LibSVM
主要分3步:1、设置path路径原创 2014-05-04 16:35:05 · 968 阅读 · 0 评论 -
机器学习算法——KNN
K Nearest Neighbor算法又叫KNN算法,这个算法是机器学习里面一个比较经典的算法, 总体来说KNN算法是相对比较容易理解的算法。其中的K表示最接近自己的K个数据样本。原创 2014-05-24 14:12:19 · 4471 阅读 · 0 评论 -
(EM算法)The EM Algorithm
(EM算法)The EM Algorithm EM是我一直想深入学习的算法之一,第一次听说是在NLP课中的HMM那一节,为了解决HMM的参数估计问题,使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。下面主要介绍EM的整个推导过程。1. Jensen不等式 回顾优化理论中的一些概念。设f是定义域为实转载 2014-05-28 20:20:08 · 976 阅读 · 0 评论 -
图像处理算法1——区域生长法
前几天看到一篇博客,题为《为什么你应该写博客》,学到了很多,同时也思考了很多,里面讲到“用博客的形式来记录下你有价值的思考,会带来很多好处,却没有任何明显的坏处”,一句话概括就是:书写是为了更好的思考,分享是为了让思考更有价值! 这是本人开通CSDN博客的第一天,刚开始着手学习计算机视觉这方面不久,对今天的工作做一个小的总结吧。 历史:区域生长是一种古老的图像分割方原创 2013-11-26 22:04:11 · 28166 阅读 · 2 评论 -
图像处理算法2——Otsu最佳阈值分割法
Otsu法是1979年由日本大津提出的。该方法在类间方差最大的情况下是最佳的,即统计鉴别分析中所用的度量。Otsu方法有一个重要的特性,就是它完全以在一幅图像的直方图上执行计算为基础,而直方图是很容易得到的一维阵列。 具体的公式推理及公式细节就不说了,详见 Conzalez 那本书,我是第三版的,在P.479——P.482 上面。给出具体步骤如下:1、计算输入图像的直方图,并归一原创 2013-12-04 18:43:27 · 14795 阅读 · 1 评论 -
图像处理算法3——Fisher's linear discriminant
在一篇论文里看到这个方法,论文中说 Fisher's linear discriminate is used to enhance the contrast between the objects and the backgroud ,很少听到说(学渣都是这样)这种方法来增强图像的,在CSDN上搜,甚少,于是查了点关于这方面的资料。这种方法是模式识别中的一种方法,在实际应用中比较的多,我就看了一下原创 2013-12-11 17:34:39 · 3111 阅读 · 0 评论 -
图像处理算法4——Sobel 边缘检测算子
两种实现版本:C 版本:C++版本:先来看一下C++下 Sobel 的定义C++: void Sobel( InputArray src , OutputArray dst, int ddepth, int dx, int dy, int ksize=3, double scale=1,原创 2013-12-13 17:14:33 · 18592 阅读 · 0 评论 -
图像缩放——双线性插值算法
在数学上,双线性插值是有两个变量的插值函数的线性插值扩展,其核心思想是在两个方向分别进行一次线性插值。如果选择一个坐标系统使得 的四个已知点坐标分别为 (0, 0)、(0, 1)、(1, 0) 和 (1, 1),那么插值公式就可以化简为:用矩阵运算来表示的话就是: 图像的空间变换,也称几何变换或几何运算,包括图像的平移、旋转、镜像变换、转置、缩放等。原创 2013-12-16 23:30:43 · 21808 阅读 · 3 评论 -
Harris角点检测
在计算机视觉中,角点是图像比较重要的特征,对图像图形的理解和分析有很重要的作用,在保留图像图形重要特征的同时,可以代替整幅图像的处理,有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配。所以角点检测也是计算机视觉中比较重要的一块,在目标识别,图像匹配,视觉跟踪,3D重建,全景图像拼接等领域都有应用。角点又称特征点或兴趣点,定义:窗口向任意方向的移动都将导致图像原创 2013-12-30 21:05:10 · 1731 阅读 · 0 评论 -
图像白平衡之Gray World Method
要计算未知光源的特性必须从图片中提取相关的统计特性。当我们能够仅使用一个统计特性就获得未知光源特性时,算法就变得非常简单了。在这种情况下,未知光源必须在整幅图片上都是统一的。均值于是就成为了此类方法之下最好的统计指标。而灰色世界法正是利用了均值作为估算未知光源的关键统计量。 从物理意义上说,灰色世界法假设自然界景物对于光线的平均反射的均值在总体上是个定值,这个定值近似地为“灰原创 2014-01-16 17:00:59 · 4821 阅读 · 0 评论 -
OpenCV学习笔记(1)——操作像素
一、存取像素如果图像是单通道的原创 2014-06-14 21:06:00 · 4074 阅读 · 0 评论 -
OpenCV学习笔记(2)——opencv方法训练.xml文件过程
给TXT文件里面的内容批量加上前缀楼主先新建个文本文档,在里面输入 @echo off (for /f "delims=" %%a in (2.txt) do echo 前缀%%a)>b.txt del /s/q 2.txt ren b.txt 2.txt 将 前缀 两字改为你要加的前缀存为a.bat 会变成可执行文件,若没变,修改工具文件夹—》隐藏已知文件扩展名,原创 2014-06-19 14:36:46 · 7330 阅读 · 2 评论 -
OpenCV学习笔记(3)——图像形态学操作(Mathematical Morphology)
把结构元素B平移a后得到Ba,若Ba包含于X,我们记下这个a点,所有满足上述条件的a点组成的集合称做X被B腐蚀(Erosion)的结果。用公式表示为:E(X)={a| Ba X}=X B,如下图6.8所示原创 2014-06-22 10:36:12 · 2659 阅读 · 0 评论 -
OpenCV学习笔记(4)——VS环境下调试遇到的问题整理(不断更新……)
1、 'SurfFeatureDetector' : is not a member of 'cv'原创 2014-06-29 20:05:22 · 961 阅读 · 0 评论 -
OpenCV学习笔记(5)——模板匹配
所谓模板匹配就是在一幅图像中寻找和模板图像(patch)最相似的区域。该函数的功能为,在输入源图像Source image(I)中滑动框,寻找各个位置与模板图像Template image(T)的相似度,并将结果保存在结果矩阵result matrix(R)中。该矩阵的每一个点的亮度表示与模板T的匹配程度。然后可以通过函数minMaxLoc定位矩阵R中的最大值(该函数也可以确定最小值)。原创 2014-07-11 13:49:35 · 1622 阅读 · 0 评论 -
OpenCV 2.4.4 在 Python 2.7.8下的配置
最近要读python代码,就随手配置了一下,记录之~原创 2014-09-01 09:58:05 · 1116 阅读 · 0 评论