- 博客(19)
- 收藏
- 关注
RSS订阅转载 VLFeat和Piotr’s Image & Video Matlab Toolbox
VLFeat和Piotr’s Image & Video Matlab Toolbox2015-5Matlab计算机视觉/图像处理工具箱推荐首先要推荐Matlab计算机视觉/图像处理工具箱推荐一文，对很多Matlab环境下的计算机视觉/图像处理工具箱进行了推荐介绍。本文是对其中提到的VLFeat和Piotr’s Image & Video Matlab Toolbox两个进行了
2016-04-25 17:40:40
939
转载 Matlab计算机视觉/图像处理工具箱推荐
Matlab计算机视觉/图像处理工具箱推荐发表于2014年4月9日由luffylee计算机视觉/图像处理研究中经常要用到Matlab，虽然其自带了图像处理和计算机视觉的许多功能，但是术业有专攻，在进行深入的视觉算法研究的时候Matlab的自带功能难免会不够用。本文收集了一些比较优秀的Matlab计算机视觉工具箱，希望能对国内的研究者有所帮助。VLFeat：著名而常用
2016-04-25 16:39:09
768
转载 机器学习（Machine Learning）大家与资源
机器学习（Machine Learning）大家与资源发表于2015年4月7日由smallroof=======================国外====================Machine Learning 大家(1)：M. I. Jordan (http://www.cs.berkeley.edu/~jordan/)在我的眼里，M J
2016-04-25 16:37:35
1789
转载 数据预处理练习（深度学习）
转载自：作者：tornadomeet 出处：http://www.cnblogs.com/tornadomeet 欢迎转载或分享，但请务必声明文章出处。 （新浪微博：tornadomeet,欢迎交流！）前言: 本节主要是来练习下在machine learning(不仅仅是deep learning)设计前的一些数据预处理步骤，关于数据预处理的一些基本要点在前面的博文Deep
2015-12-01 19:49:34
3024
1
转载 关于数据预处理的相关技巧
前言： 本文主要是介绍下在一个实际的机器学习系统中，该怎样对数据进行预处理。个人感觉数据预处理部分在整个系统设计中的工作量占了至少1/3。首先数据的采集就非常的费时费力，因为这些数据需要考虑各种因素，然后有时还需对数据进行繁琐的标注。当这些都有了后，就相当于我们有了元素的raw数据，然后就可以进行下面的数据预处理部分了。本文是参考的UFLDL网页教程：Data Preprocessing
2015-12-01 19:46:03
671
转载 MSRCR
带色彩恢复的多尺度视网膜增强算法（MSRCR）的原理、实现及应用。 Retinex这个词是由视网膜(Retina)和大脑皮层(Cortex) 两个词组合构成的。Retinex理论主要包含了两个方面的内容：物体的颜色是由物体对长波、 中波和短波光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照 非均匀性的影响,具有一致性 。 根据Retinex理论，
2015-12-01 14:49:43
19276
5
转载 灰度图直方图均衡化（matlab练习程序）
cl;img=imread('mask.jpg');imshow(img);[x,y]=size(img);img_man=zeros(x,y);img_com=zeros(x,y);%% 直方图均衡化算法Max=max(max(img));Min=min(min(img));Hist=zeros(1,256);for i=1:x for j=1:y
2015-11-09 09:25:45
1237
转载 奇异值分解压缩图像SVD
介绍一下奇异值分解来压缩图像。今年的上半年中的一篇博客贴了一篇用奇异值分解处理pca问题的程序，当时用的是图像序列，是把图像序列中的不同部分分离开来。这里是用的不是图像序列了，只是单单的一幅图像，所以直接就对图像矩阵进行svd了。 吴军的《数学之美》里其实已经介绍过用svd进行大数据的压缩了，不过我这里还是针对图像进行介绍一下吧。比如一幅1000*1000的图像A，存储就需要100000
2015-11-08 14:27:50
2957
1
转载 matlab ---PSNR
PSNR，峰值信噪比，通常用来评价一幅图像压缩后和原图像相比质量的好坏，当然，压缩后图像一定会比原图像质量差的，所以就用这样一个评价指标来规定标准了。PSNR越高，压缩后失真越小。这里主要定义了两个值，一个是均方差MSE，另一个是峰值信噪比PSNR，公式如下：这里的MAX通常是图像的灰度级，一般就是255了。这里就不用什么压缩算法了，就是将图像缩小再放大比较一下，下
2015-11-08 14:22:52
4984
2
转载 全参考视频质量评价方法（PSNR，SSIM）以及相关数据库
最常用的全参考视频质量评价方法有以下2种：PSNR（峰值信噪比）：用得最多，但是其值不能很好地反映人眼主观感受。一般取值范围：20-40.值越大，视频质量越好。SSIM（结构相似性）：计算稍复杂，其值可以较好地反映人眼主观感受。一般取值范围：0-1.值越大，视频质量越好。PSNR，SSIM计算有如下工具可选：MSU Video Quality Measurement
2015-11-07 21:47:29
2906
转载 图像质量评价
在图像处理算法研究中，很多时候需要有客观评价指标来对算法的性能进行评价。比如，在图像复原、图像滤波算法研究中，需要采用客观评价指标来定量的来测试算法恢复出的图像相对于参考图像的好坏程度。本文介绍文献中提到到三个比较好的客观评价指标——峰值性噪比PSNR、模糊系数K、质量因素Q，其定义分别是：这三个指标的详细定义见参考文献[1]~[3]，下面给出这三个
2015-11-07 15:56:29
6603
转载 图像特征算子系列之灰度共生矩阵原理分析与实现
kezunhai@gmail.comhttp://blog.csdn.net/kezunhai 灰度共生矩阵最早由Robert M.在提出，早期称为灰度空间依赖矩阵（Gray-Tone Spatial-Dependence Matrices），在其论文里，根据灰度空间依赖矩阵可以计算28种纹理特征，详细内容可以参考：Textural Features for I
2015-11-02 16:16:05
3710
转载 计算灰度共生矩阵GLCM
灰度共生矩阵 灰度共生矩阵定义为像素对的联合分布概率，是一个对称矩阵，它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息，但也反映了相同的灰度级像素之间的位置分布特征，是计算纹理特征的基础。 设f(x,y)为一幅数字图像，其大小为M×N，灰度级别为Ng，则满足一定空间关系的灰度共生矩阵为： 其中#(x
2015-11-02 16:14:15
1663
转载 matlab中的灰度共生矩阵相关函数用法
matlab中的灰度共生矩阵相关函数用法（graycomatrix，graycoprops） matlab中的灰度共生矩阵相关函数用法（graycomatrix，graycoprops） graycomatrix：由图像创建灰度共生矩阵 1.glcm = graycomatrix(I) 从图像I
2015-11-02 15:56:10
2177
转载 BP神经网络的设计实例(MATLAB编程) .
出处：http://blog.csdn.net/sbtdkj1017/article/details/1901663例1 采用动量梯度下降算法训练 BP 网络。训练样本定义如下：输入矢量为 p =[-1 -2 3 1 -1 1 5 -3]目标矢量为 t = [-1 -1 1 1]解：本例的 MATLAB 程序如下： close al
2015-10-31 11:34:20
4254
转载 纹理特征分析的灰度共生矩阵（GLCM）
目录(?)[-]英文名称 Texture Analysis学术解释学术定义作用分析对图像灰度空间分布模式提取和分析统计和结构两种方法进行纹理分析纹理基元与影调纹理分析是对图像灰度（浓淡）空间分布模式的提取和分析。纹理分析在遥感图像、X射线照片、细胞图像判读和处理方面有广泛的应用。关于纹理，还没有一个统一的数学模型。它起源于表征纺织品表面性质的纹理概念，
2015-10-31 10:35:55
3142
转载 图像特征提取总结
特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点
2015-10-31 09:46:12
1306
转载 Matlab求方差，均值，均方差，协方差的函数
1、均值数学定义：Matlab函数：mean>>X=[1,2,3]>>mean(X)=2如果X是一个矩阵，则其均值是一个向量组。mean(X,1)为列向量的均值，mean(X,2)为行向量的均值。>>X=[1 2 34 5 6]>>mean(X,1)=[2.5, 3.5, 4.5]>>mean(X,
2015-06-30 12:03:56
1070
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