zhengtu009-CSDN博客

转载 SIFT特征向量

sift特征可以用于人脸识别，图像检索图像匹配图像拼接，sift特征具有旋转不变形，尺度不变形，光照不变形等，此算法已广泛应用于人脸识别图像检索图像匹配图像拼接的研究。1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。2 SIFT 主要思想

2015-06-26 20:40:01 1339

转载边缘方向直方图matlab实现

边缘直方图能较好体现图像的边缘和纹理特征。不同类型的模板边缘直方图特征有比较明显的差异。边缘直方图的算法[1]具体如下:(1) 图像灰度化。(2) 将图像进行边缘算子 (如 SOBEL)运算, 得到( x, y) 点的 dx 和 dy。(3) 计算各个像素的边缘方向 θ( x, y) = argtg( dx / dy) 。(4) 将边缘方向值

2015-06-26 17:29:59 3710 1

转载 HOG方向梯度直方图matlab实现

matlab练习程序（HOG方向梯度直方图）HOG（Histogram of Oriented Gradient）方向梯度直方图，主要用来提取图像特征，最常用的是结合svm进行行人检测。算法流程图如下（这篇论文上的）：下面我再结合自己的程序，表述一遍吧：1.对原图像gamma校正，img=sqrt(img);2.求图像竖直边缘，水平边缘，边缘强度，边缘斜率。3.

2015-06-26 17:26:04 6032 2

转载关于卡尔曼滤波和粒子滤波最直白的解释

卡尔曼滤波本来是控制系统课上学的，当时就没学明白，也蒙混过关了，以为以后也不用再见到它了，可惜没这么容易，后来学计算机视觉和图像处理，发现用它的地方更多了，没办法的时候只好耐心学习和理解了。一直很想把学习的过程记录一下，让大家少走弯路，可惜总也没时间和机会，直到今天。。。我一直有一个愿望，就是把抽象的理论具体化，用最直白的方式告诉大家--不提一个生涩的词，不写一个数学公式，像讲故事一样先把

2015-06-26 08:53:13 774

转载傅里叶变换简单理解

【转载】http://blog.sina.com.cn/s/blog_6923201d010120zl.html【转载】http://blog.csdn.net/goodshot/article/details/6945645

2014-11-04 10:44:15 1641

转载 P、NP、NPC和NP-hard问题的理解

1、P(polynomial)问题可以在以多项式表达的时间内按部就班的按照步骤求出确切解的问题，也就是说它的计算复杂度是一个多项式。我们通常用的O(n),O(logn),O（n2）等等类似的都是这类问题。2、NP（Non-deterministicPolynomial）问题有些计算问题是确定性的，比如加减乘除之类，你只要按照公式推导，按部就班一步步来，就

2014-10-29 15:55:02 952

没有系统学过数学优化，但是机器学习中又常用到这些工具和技巧，机器学习中最常见的优化当属凸优化了，这些可以参考Ng的教学资料：http://cs229.stanford.edu/section/cs229-cvxopt.pdf，从中我们可以大致了解到一些凸优化的概念，比如凸集，凸函数，凸优化问题，线性规划，二次规划，二次约束二次规划，半正定规划等，从而对凸优化问题有个初步的认识。以下是几个重要相关概

2014-10-29 15:35:14 850

转载各种距离度量（相似度度量）

在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。　　本文的目的就是对常用的相似性度量作一个总结。本文目录：1.欧氏距离2.曼哈顿距离3. 切比雪夫距离4. 闵可夫斯基距离5.标准化欧氏距离6

2014-10-10 08:55:06 1179

原创利用cvKMeans2()实现图像聚类(位置+颜色)

///利用opencv提供的函数cvKMeans2()实现图像聚类///////运行环境：VC6.0+opencv1.0///////////////使用的时候，改变flag的初始值，即可实现对灰度图、彩色图基于色彩的聚类，以及根据位置和色彩对彩色图像聚类。////////////////最后结果显示的时候请注意pResult 和pResult3#include "cv.h

2014-07-12 17:04:09 3725

转载 cvKMeans2均值聚类分析+代码解析+灰度彩色图像聚类

1 K-均值聚类算法的基本思想 K-均值聚类算法是著名的划分聚类分割方法。划分方法的基本思想是：给定一个有N个元组或者纪录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，KK-means算法的工作原理：算法首先随机从数据集中选取 K个点作为初始聚类中心，然后计算各个样本到聚类中心的距离，把样本归到离它最近的那个聚类中心所在的类。计算新形成的每一个聚类的数据对象的平均值来得到

2014-07-10 21:48:15 2051

转载 CvMat、Mat、IplImage之间的转换详解及实例

OpenCV学习之CvMat的用法详解及实例 CvMat是OpenCV比较基础的函数。初学者应该掌握并熟练应用。但是我认为计算机专业学习的方法是，不断的总结并且提炼，同时还要做大量的实践，如编码，才能记忆深刻，体会深刻，从而引导自己想更高层次迈进。1.初始化矩阵：方式一、逐点赋值式： CvMat* mat = cvCreateMat( 2, 2, CV_64FC1 );

2014-06-19 11:06:17 740

转载图像处理之K-Means算法演示

一：数学原理K-Means算法的作者是MacQueen，基本的数学原理很容易理解，假设有一个像素数据集P。我们要根据值不同将它分为两个基本的数据集合Cluster1, Cluster2，使用K-Means算法大致如下：假设两个Cluster的RGB值分别为112,225,244和23,34,99则像素集合中的像素点a(222,212,234), b(198,205,229),

2014-06-17 15:38:54 925

转载有用的多元正态分布

多元正态分布二维高斯型函数http://comic.sjtu.edu.cn/thucs/GD_jsj_016b/text/chapter02/2_3_1t2.htm1.多元正态分布的概率密度函数　　多元是指样本以多个变量来描述，或具有多个属性，在此一般用d维特征向量表示，X＝[x1，…，xd]T。d维特征向量的正态分布用下式表示　　(2-32)　　其中μ是X的均值

2014-06-13 20:38:35 1803

转载最大的背景差算法公开库

A Background Subtraction Library，链接：https://github.com/andrewssobral/bgslibrary

2014-06-13 19:27:04 1110

转载单高斯背景建模原理及代码实现

高斯分布与背景建模的关系：图像中每一个像素点的颜色值作为一个随机过程X，并假设该点的像素值出现的概率服从高斯分布。令I(x,y,t)表示像素点(x,y,t)在t时刻的像素值，则有：其中和分别为t时刻该像素高斯分布的期望值和标准差。算法流程：1.用第一帧图像数据初始化背景模型，其中std_init通常设置为20。2.检测

2014-06-08 15:33:09 4683 1

原创不看代码粗略了解TLD

虽说是粗略【致谢】http://blog.csdn.net/carson2005/article/details/7483027【致谢】http://blog.sina.com.cn/s/blog_4a540be601016id6.html

2014-06-05 23:09:34 1232

转载 kalman 滤波演示与opencv代码

[转载]http://blog.csdn.net/onezeros/article/details/6318944在机器视觉中追踪时常会用到预测算法，kalman是你一定知道的。它可以用来预测各种状态，比如说位置，速度等。关于它的理论有很多很好的文献可以参考。opencv给出了kalman filter的一个实现，而且有范例，但估计不少人对它的使用并不清楚，因为我也是其中一个。

2014-06-05 20:35:40 770

转载粒子滤波演示与opencv代码

[转载]http://blog.csdn.net/onezeros/article/details/6319180

2014-06-05 20:32:36 1233

原创 RGB颜色模型归一化

RGB颜色模型在图像处理中是比较常用的格式，但其有个缺点就是容易受到光照变化或阴影的影响。因此，在进行图像处理过程中，通常会对RGB进行归一化，以便消除其对部分光照的影响。为什么归一化RGB能够消除部分光照变化的影响？举个例子：归一化前：T1时刻的像素A的像素值为：RGB(30, 60, 90)T2时刻的像素A的像素值为：RGB(60, 120, 180) （受光

2014-04-25 11:32:33 14131 1

原创 Jianbo Shi 的博客-图像分割目标跟踪（CVPR）

http://www.cis.upenn.edu/~jshi/

2014-04-24 09:22:02 1826

转载标准测试视频for运动目标检测、阴影检测

一个网友收集的运动目标检测，阴影检测的标准测试视频http://blog.csdn.net/sunbaigui/article/details/6363390 很权威的change detection检测视频集，里面有将近20种主流算法在这个测试集上的运行结果和ROC,PRA曲线http://changedetection.net/ VIVID Tracking Evalu

2014-04-24 09:19:21 2021

转载 SCI影响因子及自然科学基金查询（MedSci）

备用。http://www.medsci.cn/

2014-04-21 17:08:07 8467 1

转载整理的计算机视觉领域稍微容易中的期刊

【】http://emuch.net/html/201107/3370774.html

2014-04-13 15:22:18 1309

原创 AdaBoost算法原理及强弱分类器说明

AdaBoost算法原理： AdaBoost算法针对不同的训练集训练同一个基本分类器（弱分类器），然后把这些在不同训练集上得到的分类器集合起来，构成一个更强的最终的分类器（强分类器）。理论证明，只要每个弱分类器分类能力比随机猜测要好，当其个数趋向于无穷个数时，强分类器的错误率将趋向于零。AdaBoost算法中不同的训练集是通过调整每个样本对应的权重实现的。最开始的时候，每个样本

2014-04-12 21:40:55 4077 1

转载双边滤波器（Bilateral Filter）保护边缘的平滑滤波器及matlab例子

原理滤波器是图像处理和计算机视觉中最基础的运算。而Bilateral Filter又是十分经典的一种滤波器，这主要得益于它的一个突出的特点，就是对图像进行平滑时，能进行边缘保护。而Bilateral Flter的这个特性主要是因为他在平滑滤波时同时考虑了像素间的几何距离和色彩距离。下面将详细具体讲述原因。通俗的讲，对图像进行滤波就是一个加权平均的运算过程，滤波后图像中的每个像素点都

2014-03-23 10:49:48 10833

转载高斯滤波器理解与图像滤波

先给出高斯函数的图形。高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。一维零均值高斯函数为： g(x)=exp( -x^2/(2 sigma^2)其中，高斯分布参数Sigma决定了高斯函数的宽度。对于图像处理来说，常用二维零均值离散高斯函数作平滑滤波器。高斯函数具

2014-03-23 10:31:11 4493

转载 RGB颜色空间到HSV和YUV的转换关系（含VC代码）

RGB颜色空间到HSV和YUV的转换关系RGB颜色空间计算机色彩显示器显示色彩的原理与彩色电视机一样，都是采用R、G、B相加混色的原理，通过发射出三种不同强度的电子束，使屏幕内侧覆盖的红、绿、蓝磷光材料发光而产生色彩的。这种色彩的表示方法称为RGB色彩空间表示。在多媒体计算机技术中，用的最多的是RGB色彩空间表示。根据三基色原理，用基色光单位来表示光的

2013-12-23 12:53:32 3793

转载简单介绍基于颜色的阴影检测算法

简单介绍基于颜色的阴影检测算法在智能视频监控系统的研发过程中，阴影检测是一个重要的内容，而阴影的产生主要是由于光线的遮挡。而检测阴影最简单和高效的方法莫过于分析颜色信息，还原或移出阴影区域。基于颜色的常用阴影检测算法有： 1）基于HSI颜色空间的阴影检测 HSI颜色模型是一种更符合人类视觉感知特征的模型，符合人类肉眼对颜色的感知和识别，被广泛应用于计算机视觉领域。根

2013-12-22 22:34:47 4723 1

转载 RGB转灰度图的几种算法

方法一：对于彩色转灰度，有一个很著名的心理学公式： Gray = R*0.299 + G*0.587 + B*0.114 方法二：而实际应用时，希望避免低速的浮点运算，所以需要整数算法。注意到系数都是3位精度的没有，我们可以将它们缩放1000倍来实现整数运算算法：

2013-12-22 11:00:28 884

转载 LBP纹理特征算法较全面总结

【致谢】http://blog.sina.com.cn/s/blog_631a4cc401013pkn.html【致谢】http://blog.csdn.net/zouxy09/article/details/7929531 纹理分类是一个很老的topic，但是一些纹理分类的方法为以后的图片分类奠定了基础。首先定义一下纹理图片，他是一个随一下变量变化的函

2013-12-21 11:47:39 15081 1

转载数学之美番外篇：平凡而又神奇的贝叶斯方法

隐马尔可夫模型就是一个简单的层级贝叶斯模型。层级贝叶斯模型是现代贝叶斯方法的标志性建筑之一。前面讲的贝叶斯，都是在同一个事物层次上的各个因素之间进行统计推理，然而层次贝叶斯模型在哲学上更深入了一层，将这些因素背后的因素（原因的原因，原因的原因，以此类推）囊括进来。概率论只不过是把常识用数学公式表达了出来。——拉普拉斯 1. 历史托马斯·贝叶斯（Thomas Bayes）同学

2013-12-12 14:47:19 1002

转载隐马尔可夫模型（HMM）攻略

【本文转自】http://blog.csdn.net/likelet/article/details/7056068【一句话总结】马尔科夫过程，每个状态的转移只依赖于之前的 n 个状态，这个过程被称为1个 n 阶的模型，其中 n 是影响转移状态的数目。最简单的马尔科夫过程就是一阶过程，每一个状态的转移只依赖于其之前的那一个状态。注意这和确定性系统不一样，因为这种转移是有概率的，而不是确定性的。

2013-12-12 11:46:34 1095

原创阅读笔记——核密度估计

注：一个外行不明白什么是核密度估计，查了一些资料，做个简单的读书笔记，里面还有一知半解的地方，请大家批评指导。

2013-12-11 22:40:27 9426 2

转载常用背景建模方法的一句话总结

最近一直在做前景检测方面的研究，刚开始主要是做一些工程性的应用，为了解决工程方面的问题，下了不少功夫，也看了不少最近国内外的文章。一直想做个总结，拖着拖着，终究却写成这篇极不成功的总结。背景建模或前景检测的算法主要有：1. Single Gaussian (单高斯模型)Real-time tracking of the human body2. 混合高斯模型（Mixture

2013-12-09 22:44:10 897

转载何为滤波？什么是卡尔曼滤波？

门外汉可以通过前面几句话大概知道什么是滤波及为什么卡尔曼滤波只能处理线性高斯问题。所谓滤波，实际上是要去掉自己不想要的信号，保留想要的部分。一般来说，是把过程中的噪声去掉。为什么卡尔曼滤波只能处理线性高斯，缘于算法的一些前提假设，1、当前估计是前一个估计个当前观测值的线性叠加；2、卡尔曼算法模型中重要的参数矩阵是线性的；3、估计值是服从高斯分布的（系统状态是一个高斯分布的随机变量）。前两个

2013-12-09 18:24:43 2377 1

转载非常实用的VC中线程使用说明

【致谢】http://blog.chinaunix.net/uid-14607221-id-2794653.html【致谢】http://www.cnblogs.com/berry/archive/2009/10/09/1579942.htmlVC中创建线程分析1、CreateThread、_beginthreadex、AfxBeginThread的区别和正确使用： Creat

2013-12-09 18:17:09 965

原创单文档界面指定位置显示指定大小的文字（汉字和英文）

在单文档的Ondraw()函数中加入如下代码即可：CFont font;LOGFONT mylogfont;memset(&mylogfont, 0, sizeof(LOGFONT)); mylogfont.lfHeight = 40; //字体的高mylogfont.lfWidth = 20; //字体宽f

2013-12-09 18:11:41 937

转载 OpenCV中的内存泄露问题（cvLoadImage，cvCloneImage）

经初步验证，发现cvCloneImage()到cvCopy()有用。 CVvvImage到IplImage没用。使用IplImage的时候主要注意cvCreateImage()和cvReleaseImage()成对出现就可以避免大量内存泄露。CVvvImage也是利用这个原理，大家可以查看CVvvImage的源码。【本文转自】http://hi.baidu.com/cateyefish/i

2013-12-09 18:01:35 905

原创利用MFC和GDI+给图像指定位置加上汉字

以下仅是核心代码，还需要遵守GDI+一般使用过程，即先完成GDI+安装及其在VC中配置，使用前要进行初始化等。以前收藏的网页找不到了，请上百度查询。已经证实在VC6.0中可用，使用中有问题可联系我，QQ：39541895核心代码：Image image( L"IMG_3143.JPG" ); //加载原图，格式可以有很多种，具体查GDI+ Graph

2013-12-09 17:04:17 3153

ViBe原作者给的Vibe算法验证程序

ViBe原作者给的统计运行时间的执行程序

VIBe原作者给的验证程序

空空如也