图像特征提取
文章平均质量分 68
yulh68
这个作者很懒,什么都没留下…
展开
-
SIFT特征提取及应用
一、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。尺度不变特征转换(Scale-invariant feature tra转载 2015-02-05 17:29:32 · 936 阅读 · 0 评论 -
图像梯度方向直方图学习(1)
图像梯度方向直方图学习(1) HOG(Histogram of Oriented Gradient)是2005年CVPR会议上,法国国家计算机科学及自动控制研究所的Dalal等人提出的一种解决人体目标检测的图像描述子,该方法使用梯度方向直方图(Histogram of Oriented Gradients,简称HOG)特征来表达人体,提取人体的外形信息和运动信息,形原创 2015-03-20 09:14:45 · 671 阅读 · 0 评论 -
梯度直方图特征(HOG)
梯度直方图特征(HOG) 梯度直方图特征(HOG) 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H原创 2015-03-20 09:17:11 · 886 阅读 · 0 评论 -
radon变换
两维情况下radon变换大致可以这样理解:一个平面内沿不同的直线(直线与原点的距离为d,方向角为alfa)对f(x,y)做线积分,得到的像F(d,alfa)就是函数f的Radon变换。也就是说,平面(d,alfa)的每个点的像函数值对应了原始函数的某个线积分值。一个更直观的理解是,假设你的手指被一个很强的平行光源透射,你迎着光源看到的手指图像就是手指的光衰减系数的三维Radon变换(小小的转载 2015-03-18 14:55:45 · 3749 阅读 · 0 评论 -
字典学习
字典构造方法:一般分为两种:解析方法和学习方法.解析方法构造的字典通过事先定义好的某种数学变换或调和分析方法来构造,字典中的每个原了可用数学函数或少量的参数来刻画,如离散余弦变换、小波变换、双树复数小波变换、轮廓波变换、Shearlet, Grouplet}ls)以及参数化字典[is)等.该方法虽然构造相对简单,计算复杂度低,但原子的基本形状固定,原了的形态不够丰富,不能与图像本身的复杂结构最原创 2015-03-30 19:20:15 · 1801 阅读 · 0 评论 -
LBP局部特征提取算法
一、LBP提出 局部二值模式(Local binary patterns,LBP)是机器视觉领域中用于描述图像局部纹理特征的算子,具有旋转不变性和灰度不变性等显著的优点。它是由T. Ojala, M.Pietik?inen, 和 D. Harwood [1][2]在1994年提出,LBP在纹理分类问题上是一个非常强大的特征。 原始的LBP算子定义为在3*3的窗口内,以窗口中心原创 2015-04-04 15:49:39 · 1619 阅读 · 0 评论 -
Deep Learning(深度学习)学习笔记
目录:一、概述二、背景三、人脑视觉机理四、关于特征 4.1、特征表示的粒度 4.2、初级(浅层)特征表示 4.3、结构性特征表示 4.4、需要有多少个特征?五、Deep Learning的基本思想六、浅层学习(Shallow Learning)和深度学习(Deep Learning)七、Deep l转载 2015-04-09 20:32:33 · 735 阅读 · 0 评论