image processing
ym825723
这个作者很懒,什么都没留下…
展开
-
Contour Detection and Hierarchical Image Segmentation
文献阅读参考https://blog.csdn.net/nature_XD/article/details/53375344?locationNum=9&fps=1 源码编译运行https://blog.csdn.net/BlitzSkies/article/details/19686179原创 2018-08-31 20:49:19 · 307 阅读 · 0 评论 -
目标检测中一些主要的颜色处理方法
一. 在各个颜色通道上应用基于形状的图像描述子,例如SIFT描述子,常见的有HSVsift,Opponentsift和related Csift descriptors。SIFT算子是David G Lowe在2004提出的,即尺度不变特征变换(Scale Invariant Feature Transform)。它是以尺度空间的构造为基础的局部特征描述算子,对于图像的缩放、旋转和放射变换等具...原创 2018-08-25 10:56:43 · 1599 阅读 · 2 评论 -
Sketch Tokens: A Learned Mid-level Representation for Contour and Object Detection
论文阅读参考https://blog.csdn.net/seavan811/article/details/46598281原创 2018-09-06 11:18:54 · 399 阅读 · 0 评论 -
Structure-Texture Image Decomposition—Modeling, Algorithms, and Parameter Selection;图像降解,结构和纹理部分
1.如果已知纹理部分非常结构化,那么TV-L 1方法是最佳选择。2.在定向纹理的情况下或者如果已知纹理的频率估计,并且如果纹理相当平滑,那么TV-Gabor模型是更合适的方法。3.在一般情况下,当没有纹理的先验知识时,我们提倡TV-L 2方法,或者通过TV-G正则化来改进它。原文:https://link.springer.com/article/10.1007/s11263-006-43...原创 2018-09-10 10:15:50 · 1236 阅读 · 1 评论 -
SLIC 简单线性迭代聚类
优点:SLIC在运行速度、生成超像素的紧凑度、轮廓保持方面都比较理想。步骤:1.初始化聚类中心 2.以种子点为中心在3x3范围内选最小梯度点作为新的聚类中心. 3.确定搜索范围2S*2S,为范围内每个像素点分配标签,期望的像素块大小S*S. 4.距离度量,空间距离和颜色距离 5.迭代优化,直至误差收...原创 2019-06-13 22:58:15 · 2382 阅读 · 0 评论