图像特征提取
文章平均质量分 96
仗剑走海角
豪爽!乐观开朗!
展开
-
HOG特征与opencv类实现
1、HOG算子定义HOG又叫梯度直方图特征,是一种对图像局部重叠区域的密集型描述符, 它通过计算局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的,而如今虽然有很多行人检测算法不断提出,但基本都是以HOG+SVM的思路为主。原创 2014-03-12 11:02:51 · 13805 阅读 · 0 评论 -
学习OpenCV——Fast(特征点篇) (&DrawMatchFlags)
特征点检测和匹配是计算机视觉中一个很有用的技术。在物体检测,视觉跟踪,三维常年关键等领域都有很广泛的应用。这一次先介绍特征点检测的一种方法——FAST(features from accelerated segment test)。很多传统的算法都很耗时,而且特征点检测算法只是很多复杂图像处理里中的第一步,得不偿失。FAST特征点检测是公认的比较快速的特征点检测方法,只利用周围像素比较的信息就可以转载 2014-06-26 13:24:39 · 5390 阅读 · 6 评论 -
学习OpenCV——Max_Area寻找最大区域
[cpp] view plaincopyprint?a. 二值化 b. 得到轮廓的个数 c. 将面积小于100的轮廓删除 d. 将宽、高 比例小于1的轮廓删除 e. 把面积最大的轮廓用红色框框画出来 [cpp] view plaincopyprint? [cpp]转载 2014-06-26 13:20:00 · 4476 阅读 · 1 评论 -
学习OpenCV——Gabor函数的应用
原文:http://blog.csdn.net/yao_zhuang/article/details/2532279 下载cvgabor.cpp和cvgabor.h到你的C/C++工程目录下注:在我的资源中有改进过的cvgabor类 相关链接为:http://download.csdn.net/source/490114特别注意:使用该类需要openc转载 2014-06-26 13:19:15 · 3123 阅读 · 0 评论 -
学习OpenCV——ORB & BRIEF(特征点篇)&Location
首先介绍什么是ORB:(此部分转自http://www.cvchina.info/2011/07/04/whats-orb/)ORB是是ORiented Brief的简称。ORB的描述在下面文章中:Ethan Rublee and Vincent Rabaud and Kurt Konolige and Gary Bradski,ORB: an efficient al转载 2014-06-26 13:25:43 · 3791 阅读 · 3 评论 -
Zernike矩及Opencv实现
Zernike在1934年引入了一组定义在单位圆 上的复值函数集{ },{ }具有完备性和正交性,使得它可以表示定义在单位圆盘内的任何平方可积函数。其定义为: 表示原点到点 的矢量长度; 表示矢量 与 轴逆时针方向的夹角。 是实值径向多项式:称为Zernike多项式。Zernike多项式满足正交性:其中 为克罗内克符号, 是 的共轭多项式。由于Zern转载 2014-04-28 18:07:29 · 6989 阅读 · 6 评论 -
Hu不变矩原理及opencv实现
几何矩是由Hu(Visual pattern recognition by moment invariants)在1962年提出的,具有平移、旋转和尺度不变性。 定义如下:① (p+q)阶不变矩定义:② 对于数字图像,离散化,定义为: ③ 归一化中心矩定义:原创 2014-04-28 16:03:26 · 30886 阅读 · 1 评论 -
特征描述
目标在本教程中,我们将涉及:使用 DescriptorExtractor 接口来寻找关键点对应的特征向量. 特别地:使用 SurfDescriptorExtractor 以及它的函数 compute 来完成特定的计算.使用 BruteForceMatcher 来匹配特征向量。使用函数 drawMatches 来绘制检测到的匹配点.理论原创 2014-03-25 22:08:21 · 777 阅读 · 0 评论 -
SurF特征点检测
目标在本教程中,我们将涉及:使用 FeatureDetector 接口来发现感兴趣点。特别地:使用 SurfFeatureDetector 以及它的函数 detect 来实现检测过程使用函数 drawKeypoints 来绘制检测到的关键点理论代码这个教程的代码如下所示。你还可以从 这个链接下载到源代码#include原创 2014-03-25 22:05:52 · 3911 阅读 · 0 评论 -
Hu矩、仿射矩和归一化傅里叶描述子(NFD)不变量特征级融合
参考文献:《基于特征级融合和支持向量机的飞机识别》朱旭锋等。 对不同飞机机型图像,提取Hu矩、仿射矩和归一化傅里叶描述子(NFD)不变量进行特征级融合,针对组合不变量取值范围较大问题,提出采用4种归一化方法。1.图像特征提取 Hu矩是旋转、尺度、平移不变的,其缺点是对外界敏感。仿射矩是Jan Flusser提出的,总共有三个。仿射矩主要用于识别扭曲变形的目标。在实际应用中,由于原创 2014-03-22 17:14:13 · 6119 阅读 · 0 评论 -
Opencv 特征提取总结
OpenCV特征提取目录(?)[+]http://www.cnblogs.com/yingying0907/archive/2011/08/06/2129472.html 颜色提取Ø 颜色直方图提取:Code:#include #include #include using nam转载 2014-04-01 14:35:11 · 5333 阅读 · 0 评论 -
目标检测的图像特征提取之(二)Haar特征
1、Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征。Haar特征分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例转载 2014-03-18 09:59:25 · 1292 阅读 · 0 评论 -
目标检测的图像特征提取之(一)LBP特征
LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子;它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出,用于纹理特征提取。而且,提取的特征是图像的局部的纹理特征; 1、LBP特征的描述 原始的LBP算子定义为在3*3的转载 2014-03-18 09:58:00 · 2520 阅读 · 0 评论 -
Harris角点及Shi-Tomasi角点检测
一、角点定义有定义角点的几段话:1、角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法,广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。也称为特征点检测。角点通常被定义为两条边的交点,更严格的说,角点的局部邻域应该具有两个不同区域的不同方向的边界。而实际应用中,大多数所谓的角点检测方法检测的是拥有特定特征的图像点转载 2014-03-13 17:32:59 · 58075 阅读 · 5 评论 -
图像特征提取与匹配之SIFT算法
David G. Lowe, "Distinctive image features from scale-invariant keypoints," International Journal of Computer Vision, 60, 2 (2004), pp. 91-110---------------------------------------------尺度不变特转载 2013-11-15 14:28:57 · 3308 阅读 · 0 评论 -
SIFT编译与实现
作者:July 、二零一一年三月一日。代码:Rob Hess维护的sift 库,July updated。环境:windows xp+vc6.0。条件:opencv1.0、gsl-1.8.exe----------------------------------------------- 昨日,下载了Rob Hess的sift库,将其源码粗略的看了看,想要编译时,遇到了转载 2013-11-18 21:30:14 · 1582 阅读 · 0 评论 -
SIFT特征分析与源码解读
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,即使改变旋转原创 2013-11-19 22:28:52 · 17535 阅读 · 2 评论 -
灰度共生矩阵(GLCM)理解
灰度共生矩阵灰度共生矩阵法,顾名思义,就是通过计算灰度图像得到它的共生矩阵,然后透过计算这个共生矩阵得到矩阵的部分特征值,来分别代表图像的某些纹理特征(纹理的定义仍是难点)。灰度共生矩阵能反映图像灰度关于方向、相邻间隔、变化幅度的综合信息,它是分析图像的局部模式和它们排列规则的基础。对于灰度共生矩阵的理解,需要明确几个概念:方向,偏移量和灰度共生矩阵的阶数。计算机数字分析的任务时研原创 2014-03-05 11:06:43 · 40118 阅读 · 7 评论 -
学习OpenCV——Laplacian图像融合
网上看到一个很有意思的利用opencv实现图像融合的方法:1.设计一个mask(一半全1,一半全0),并计算level层的gaussion_mask[i];2.计算两幅图像每一层的Laplacian[i],并与gaussion_mask[i]相乘,合成一幅result_lapacian[i];3.对两幅图像不断求prydown,并把最高层保存在gaussion[i],与ga转载 2014-06-26 13:27:24 · 3359 阅读 · 0 评论