- 博客(43)
- 收藏
- 关注
转载 从入门到精通:卷积神经网络初学者指南
这是一篇向初学者讲解卷积神经网络的系列文章,机器之心编译了已经发表了的 Part 1 和 Part 2。此系列文章若有更新,机器之心依然会分享给大家。 Part 1:图像识别任务介绍卷积神经网络,听起来像是计算机科学、生物学和数学的诡异组合,但它们已经成为计算机视觉领域中最具影响力的革新的一部分。神经网络在 2012 年崭露头角,Alex Krizh
2017-04-25 11:36:51 452
转载 Matlab编程之——卷积神经网络CNN代码解析
deepLearnToolbox-master是一个深度学习matlab包,里面含有很多机器学习算法,如卷积神经网络CNN,深度信念网络DBN,自动编码AutoEncoder(堆栈SAE,卷积CAE)的作者是 RasmusBerg Palm。今天给介绍deepLearnToolbox-master中的CNN部分。DeepLearnToolbox-master中CNN内的函数:
2017-04-25 11:35:01 11795
转载 图像卷积与滤波的一些知识点
之前在学习CNN的时候,有对卷积进行一些学习和整理,后来就烂尾了,现在稍微整理下,先放上来,以提醒和交流。一、线性滤波与卷积的基本概念 线性滤波可以说是图像处理最基本的方法,它可以允许我们对图像进行处理,产生很多不同的效果。做法很简单。首先,我们有一个二维的滤波器矩阵(有个高大上的名字叫卷积核)和一个要处理的二维图像。然后,对于图像的每一个像素点,计算它的邻域像素和滤波器
2017-04-25 08:44:01 338
转载 图像处理与计算机视觉基础,经典以及最近发展
一、 绪论1. 为什么要写这篇文章 从2002年到现在,接触图像快十年了。虽然没有做出什么很出色的工作,不过在这个领域摸爬滚打了十年之后,发现自己对图像处理和计算机视觉的感情越来越深厚。下班之后看看相关的书籍和文献是一件很惬意的事情。平常的一大业余爱好就是收集一些相关的文章,尤其是经典的文章,到现在我的电脑里面已经有了几十G的文章。写这个文档的想法源于我前一段时间整理文献时
2017-04-23 22:59:39 383
转载 对线性回归、逻辑回归、各种回归的概念学习
回归问题的条件/前提:1) 收集的数据2) 假设的模型,即一个函数,这个函数里含有未知的参数,通过学习,可以估计出参数。然后利用这个模型去预测/分类新的数据。1. 线性回归假设 特征 和 结果 都满足线性。即不大于一次方。这个是针对 收集的数据而言。收集的数据中,每一个分量,就可以看做一个特征数据。每个特征至少对应一个未知的参数。这样就形成了一个线性
2017-04-23 22:32:00 320
转载 对线性回归,logistic回归和一般回归的认识
作为一个机器学习初学者,认识有限,表述也多有错误,望大家多多批评指正。1 摘要 本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四节主要讲述了回归问题,回归属于有监督学习中的一种方法。该方法的核心思想是从连续型统计数据中得到数学模型,然后将该数学模型用于预测或者分类。该方法处理的数据可以是多维的。 讲义最初介绍了一个基本问题,然后
2017-04-23 22:31:00 352
转载 为什么要进行傅立叶变换,究竟有何意义?如何用MATLAB实现快速傅立叶变换?
写在最前面:本文是我阅读了多篇相关文章后对它们进行分析重组整合而得,绝大部分内容非我所原创。在此向多位原创作者致敬!!!一、傅立叶变换的由来 关于傅立叶变换,无论是书本还是在网上可以很容易找到关于傅立叶变换的描述,但是大都是些故弄玄虚的文章,太过抽象,尽是一些让人看了就望而生畏的公式的罗列,让人很难能够从感性上得到理解,最近,我偶尔从网上看到一个关于数字信号处理
2017-04-23 21:31:31 626
转载 MATLAB中实现图像的空间域滤波和频率域滤波
一)空间域滤波与频率域滤波 1)空间域滤波 空间域滤波是指在图像空间中借助模板对图像领域进行操作,处理图像每一个像素值。主要分为线性滤波和非线性滤波两类,根据功能可分为平滑滤波器和锐化滤波器。平滑可通过低通来实现,平滑的目的有两类,一是模糊,目的是在提取较大的目标前去除太小的细节或将目标内的小尖端连接起来;二是去噪。锐化则可用高通滤波来实现,锐化的目的是为了增强被模糊的细
2017-04-11 20:41:14 8399 2
转载 骰子点数识别之图像分割
链接1:利用卷积神经网络识别骰子点数链接1:利用神经网络识别骰子点数前言前段时间借用神经网络和卷积神经网络实现了骰子点数的识别,但是一个很严重的问题一直困扰我,那就是当两个骰子叠在一起的时候,将两个骰子分开并不是一件简单的事情。下图是我在识别过程中产生的不能识别的,叠加在一起的图片素材。面对这些形态各异的图片,有的时候是两个骰子一个角
2017-04-11 20:36:33 3542
转载 图像融合
一、概述 图像融合是图像处理中重要部分,能够协同利用同一场景的多种传感器图像信息,输出一幅更适合于人类视觉感知或计算机进一步处理与分析的融合图像。它可明显的改善单一传感器的不足,提高结果图像的清晰度及信息包含量,有利于更为准确、更为可靠、更为全面地获取目标或场景的信息。 图像融合主要应用于军事国防上、遥感方面、医学图像处理、机器人、安全和监控、生物监测等领域。用于较多也较成熟的是红外和
2017-04-11 20:33:50 4681
转载 matlab实现图像滤波——高斯滤波
要求生成一个(2N+1)×(2N+1)大小的高斯模板H(标准为sigma),然后用此模板对图像进行滤波。不允许使用 fspecial 来产生高斯模板,不允许使用 imfilter、conv2 等函数。原理及算法理解:高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是:用一个模板(或称卷积、掩模)
2017-04-11 20:32:35 8068 1
转载 关于MATLAB中imfilter函数的说明
【matlab函数描述】功能:对任意类型数组或多维图像进行滤波。用法:B = imfilter(A,H) B = imfilter(A,H,option1,option2,…) 或写作g = imfilter(f, w, filtering_mode, boundary_options, size_options)其中,f为输入图像,w为滤波掩模,g为滤波后
2017-04-11 20:28:03 6399
转载 医学影像开源数据集
笔者是在医疗AI领域奋斗的博士生,最近好几位做计算机视觉的好朋友,想尝试医疗领域的影像,Bigdata是AI的燃料,索性把自己之前的藏货拿出来分享一下,大家一起加油!(医学影像的分割、匹配、分类、超分辨、重建等应该都有资源)1、Github上哈佛 beamandrew机器学习和医学影像研究者-贡献的数据集https://github.com/beamandrew/medic
2017-04-11 20:25:51 16375 7
转载 详解:智能医学影像分析的前沿与挑战
雷锋网按:本文整理自雅森科技高级算法研究员杨士霆,在雷锋网硬创公开课上的演讲,主题为“智能医学影像分析的前沿与挑战”。杨士霆,毕业于台湾长庚大学电机工程研究所博士班,主攻医学影像处理与应用。研究领域涉及医学影像处理,生物医学资讯,医用光学,类神经与模糊理论,功能性磁振造影,医学物理与生医统计。曾在台湾林口长庚医院,宁波杜比医疗负责影像算法开发工作,现任职于北京雅森科技发展公司,担任高级算法
2017-04-11 19:44:36 1154
转载 imadjust从用法到原理—Matlab灰度变换函数之一
imadjust函数是MATLAB的一个工具箱函数,一般的语法调用格式为:f1=imadjust(f,[low_in high_in],[low_out high_out],gamma)(注:本文所述图像数据均为Uint8,对于Matlab,矩阵中的一个元素即是一个像素点)该函数的意义如图1所示,把图像f 灰度变换到新图像f1的过程中,f 中灰度值低于low_in的像素
2017-04-11 19:43:00 5658 3
转载 OpenCV(C++ 与 Python 的比较)与 MATLAB 的比较
我们经常会为自己的技能选择合适工具而感到疑惑。虽然,工具能够帮助你锻炼技能,但它们并不能使你成为一位能者(Craftsman)。一位真正的能者,在他们的口袋中往往会拥有许多不同的工具。另外,他们还能明智地挑选一个合适的工具去完成自己的工作。因此,能者并不与工具产生挂钩,而是自身的技能。有时,我会觉得那些所谓的编程语言很可笑。因为,参与大战的人总纠结于哪门语言是最好的。然而事实上,作为编程人
2017-04-09 11:09:47 5968 1
转载 图像拉普拉斯金字塔(laplacian pyramid)并从金字塔重建原图 matlab程序实现
"font-size:18px;">clear inputPath ='D:\数字图像处理\研究方向\Filter Smooth\images\'; filename = [inputPath 'pai.png']; I = im2double(imread(filename)); if size(I,3)==3 I=rgb2gray(I); end
2017-04-08 10:39:01 4862 1
转载 图像金字塔:高斯金字塔、拉普拉斯金字塔与图片尺寸缩放
这篇文章里,我们将一起探讨图像金字塔的一些基本概念,如何使用OpenCV函数 pyrUp 和 pyrDown 对图像进行向上和向下采样,以及了解了专门用于缩放图像尺寸的resize函数的用法。此博文一共有四个配套的简短的示例程序,其详细注释过的代码都在文中贴出,且文章最后提供了综合示例程序的下载。先尝鲜一下其中一个示例程序的运行截图: 一、引言
2017-04-07 11:57:54 977
转载 Retinex图像增强算法(针对彩色图像)
前一段时间研究了一下图像增强算法,发现Retinex理论在彩色图像增强、图像去雾、彩色图像恢复方面拥有很好的效果,下面介绍一下我对该算法的理解。Retinex理论Retinex理论始于Land和McCann于20世纪60年代作出的一系列贡献,其基本思想是人感知到某点的颜色和亮度并不仅仅取决于该点进入人眼的绝对光线,还和其周围的颜色和亮度有关。Retinex这个词是由视网膜(Reti
2017-04-07 11:17:09 6561 2
转载 Gauss Laplacian Pyramid
pyramidGaussian and laplacian pyramids are applying gaussian and laplacian filter in an image in cascade order with different kernel sizes of gaussian and laplacian filter.Figure. 1 shows
2017-04-07 08:58:24 4200
转载 小波的秘密10_图像处理应用:图像增强
1.前言:图像融合是信息融合的一个重要分支,广泛地用于目标识别、机器视觉、智能系统、医学图像处理等领域。传统图像融合方法方法主要是在时间域通过算术运算实现融合,具有算法简单直观,适合实时处理等优点,但是没有对频率进行考虑。多分辨率图像融合算法是在频率域实现图像的融合。根据分解形式的不同,多分辨率图像融合算法又可以分为多分辨金字塔方法和小波变换方法。2.小波图
2017-04-06 09:12:26 806
转载 小波的秘密9_图像处理应用:图像增强
1.前言:图像增强问题的基本目标是对图像进行一定的处理,使其结果比原图更适合用于特定的应用领域。在图像增强领域,图像增强问题主要通过时域和频域两种方法进行处理。时域方法通过直接在图像上作用算子来解决。频域上通过修改傅里叶变换系数来解决。这两种方法的优劣还是十分明显的,时域方法速度快但是会失去很多点点间的关联性信息;频域方法可以很详细的分离出点点间的相关信息,但是比较耗时
2017-04-06 09:11:44 1083
转载 小波的秘密8_图像处理应用:图像降噪
1.前言:图像去噪是信号处理的一个经典问题,传统的去噪方法多采用平均或线性法法进行,最常用到的就是维纳滤波,但是他的降噪效果并不是很明显。小波分析法开辟了非线性降噪的先河,小波能够降噪得益于小波变换的以下特点:低熵性(小波系数稀松分布,使图像变换后的熵降低)、多分辨率特性(极好的刻画了信号的非平稳性)、去相关性(噪声在变换后有白化趋势,小波域更有利于去噪)目前,主流的小
2017-04-06 09:10:08 2361
转载 小波的秘密7_图像处理应用:图像压缩
1.前言:对图像来说,如果要进行快速或实时传输以及大量存储,就需要对图像数据进行压缩。在同样的通信容量下,如果图像数据压缩后在传输,就可以查UN输更多的图像信息。例如,利用普通的电话线就可以传输经过压缩后的图像信息。图像压缩研究就是寻找高压缩比的方法,且压缩后的图像要有合适的信噪比。因为在压缩之后,我们还要恢复原始信号,并且在压缩、传输、恢复过程,要求图像的失真度小。图像数据往往存
2017-04-06 09:09:34 763
转载 小波的秘密6_小波包的理解
1.各种变换的适合处理对象小波变换加窗Fourier变换 Fourier变换突变信号或奇异性函数自适应信号处理处理渐变信号实时信号处理稳定和渐变信号实时信号处理2.小波包分解概述传统的振动信号分析和处理方法一般都是采用加窗傅立叶分析,它是一个窗口函数固定
2017-04-06 09:08:15 6613 2
转载 小波的秘密5_多分辨率分析和连续小波变换2
1.如何理解时间分辨率和频率分辨率?In this section we will take a closer look at the resolution properties of the wavelet transform. Remember that the resolution problem was the main reason why we switched from
2017-04-06 09:06:46 638
转载 小波的秘密4_多分辨率分析和连续小波变换1
1.前言Although the time and frequency resolution problems are results of a physical phenomenon (the Heisenberg uncertainty principle) and exist regardless of the transform used, it is possible to
2017-04-06 09:05:43 911 2
转载 小波的秘密3_连续、离散小波变换定义
1.前言小波变换主要包括连续小波变换和离散小波变换。本篇博客主要想弄清楚连续小波变换、离散小波变换、高维小波连续变换的意义。2.连续小波变换2.1 连续小波变换的定义将任意L2(R)空间中的函数f(t)在小波基下展开,称这种展开为函数f(t)的连续小波变换(CWT)。其表达式为:其中应当满足:从定义可以看出:小波变
2017-04-06 09:04:42 4427
转载 小波的秘密2_MATLAB图像多尺度分析
1.MATLAB程序编写步骤1.把小波w(t)和原函数f(t)的开始部分进行比较,计算系数C。系数C表示该部分函数与小波的相似程度。2.把小波向右移k单位,得到小波w(t-k),重复1。重复该部知道函数f结束.3.扩展小波w(t),得到小波w(t/2),重复步骤1,2.4.不断扩展小波,重复1,2,3.这里使用的haar小波,缩放函数是[1 1],小波函数是[1 -1],是
2017-04-06 09:02:35 1440
转载 小波的秘密1_小波变换概况与综述
1.有了Fourier,为什么还需要Wavelet?先来揭揭短:(1)Fourier分析不能刻画时间域上信号的局部特性。(2)Fourier分析对突变和非平稳信号的效果不好,没有时频分析。傅立叶变换将函数投影到正弦波上,将函数分解成了不同频率的正弦波,这不能不说是一个伟大的发现,但是在大量的应用中,傅立叶变换的局限性却日趋明显,事实上在光滑平稳信号的表示中,
2017-04-06 09:02:01 1314 2
转载 骨骼图像增强实验matlab实现
实验总体思路: 原图像是人体骨骼核扫描图像,我们的目的是通过图像锐化突出骨骼的更多细节来增强图像。由于图像灰度的动态范围很窄并且有很高的噪声内容,所以很难对其进行增强。对此我们采取的策略是,首先用拉普拉斯法突出图像中的小细节,然后用梯度法突出其边。平滑过的梯度图像将用于掩蔽拉普拉斯图像。最后,我们将试图试用灰度变换来增强图像的灰度动态范围。即:具体的实现
2017-04-06 08:52:04 8609 2
转载 哈工大深研院数字图像处理第一次大作业:不调用Matlab现有库函数实现图像增强
题目是:Image Enhancement1. Histogram Equalization: Write a program for computing the histogram of the image (a) and implement the histogram equalization technique as we discussed in the class.2
2017-04-06 08:51:13 755
转载 图像增强算法之 限制对比度自适应直方图均衡化算法原理
一、自适应直方图均衡化(Adaptive histgram equalization/AHE) 1.简述 自适应直方图均衡化(AHE)用来提升图像的对比度的一种计算机图像处理技术。和普通的直方图均衡算法不同,AHE算法通过计算图像的局部直方图,然后重新分布亮度来来改变图像对比度。因此,该算法更适合于改进图像的局部对比度以及获得更多的图像细节。
2017-04-06 08:45:48 4136
转载 计算机视觉CV 圈子
国际计算机视觉研究组清单http://peipa.essex.ac.uk/info/groups.html 这是卡奈基梅隆大学的计算机视觉研究组的主页,上面提供很全的资料,从发表文章的下载到演示程序、测试图像、常用链接、相关软硬件,甚至还有一个搜索引擎。著名的有人物Tomasi, Kanade等:http://www-2.cs.cmu.edu/~cil/vision.html或 http:/
2017-04-06 08:22:00 853
转载 DR图像的畸变校正
DR图像容易产生S形、枕形和局部失真的情况,这给医生对图像的判断带来干扰。而且在医学图像的三维重建中,未经校正的图像进行重建,还会带来一定的重影等干扰。因此,畸变校正是DR图像进行后续处理,不得不对待的一个问题。 图一 原始标靶图像 从图一可以看出,靠近图像边缘处存在很明显的枕形失真,横向上还存在一定的S形失真。校正的第一步是要将图像上所有圆的中心标记出来,并建立一个标准网格分
2017-04-06 08:20:07 1709 1
转载 X光图像增强(Gauss Laplacian Pyramid)
X光拍摄出的原始图像,一般都比较模糊不清,而在医学应用上,这些被模糊的细节又非常有用,因此,X光图像的增强一直是人们研究的重点。下面,给大家介绍一种非常有用的增强方法:Gauss Laplacian Pyramid算法 关于该方法,已有不少文献对其进行了介绍和阐述,但一般都比较晦涩难懂,本人做了一个比较清晰的实现步骤,以此供大家参考。而关于分解的细节图像如何进行增强(后文会提到),不是本文介
2017-04-06 08:15:22 6665 5
转载 Log和Canny边缘检测能力对比(附Matlab程序)
一、 实验目的(1) 通过实验分析不同尺度下LOG和Canny边缘提取算子的性能。(2) 研究这两种边缘提取方法在不同参数下的边缘提取能力。(3) 使用不同的滤波尺度和添加噪声能量(噪声水平),通过与无噪声图像对比,选择最能说明自己结论的滤波尺度和噪声水平,并做出分析说明。二、 实验原理边缘的含义:在数字图像中,边缘是指图像局部变化最显著的部分,边缘主要存在
2017-04-05 09:38:41 7565 3
转载 低层次特征提取-------边缘检测
低层次特征是不需要任何形状/空间关系的信息就可以从图像中自动提取的基本特征。所有低层次方法都可以应用于高层次特征提取,从而在图像中找到形状。第一种低层次特征,称之"edge detection"。它的目的要是要制作一个线图。一阶检测算子相于一阶微分法,二阶边缘检测算子相当于高一阶微分处理。 边缘检测:在视觉计算理论框架中,抽取二维图像上的边缘、角点、纹理等基本特征,是整个系统框架
2017-04-05 09:30:47 2684
转载 如何识别图像边缘?
图像识别(image recognition)是现在的热门技术。文字识别、车牌识别、人脸识别都是它的应用。但是,这些都算初级应用,现在的技术已经发展到了这样一种地步:计算机可以识别出,这是一张狗的照片,那是一张猫的照片。这是怎么做到的?让我们从人眼说起,学者发现,人的视觉细胞对物体的边缘特别敏感。也就是说,我们先看到物体的轮廓,然后才判断这到底是什么东西。
2017-04-05 09:23:54 969
转载 图像卷积与滤波的一些知识点(b)
之前在学习CNN的时候,有对卷积进行一些学习和整理,后来就烂尾了,现在稍微整理下,先放上来,以提醒和交流。一、线性滤波与卷积的基本概念 线性滤波可以说是图像处理最基本的方法,它可以允许我们对图像进行处理,产生很多不同的效果。做法很简单。首先,我们有一个二维的滤波器矩阵(有个高大上的名字叫卷积核)和一个要处理的二维图像。然后,对于图像的每一个像素点,计算它的邻域像素和滤波器
2017-04-05 09:20:58 539
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