码迷,mamicode.com
首页 >  
搜索关键字:图像特征提取    ( 63个结果
目标检测的图像特征提取之(二)LBP特征
LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子;它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和D. Harwood在1994年提出,用于纹理特征提取。而且,提取的特征是图像的局部的纹理特征;...
分类:其他好文   时间:2015-04-17 13:40:27    阅读次数:183
目标检测的图像特征提取之(三)Haar特征
1、Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征。Haar特征分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色...
分类:其他好文   时间:2015-04-17 13:39:23    阅读次数:162
图像特征提取:Sobel边缘检测
图像特征提取:Sobel边缘检测前言点和线是做图像分析时两个最重要的特征,而线条往往反映了物体的轮廓,对图像中边缘线的检测是图像分割与特征提取的基础。文章主要讨论两个实际工程中常用的边缘检测算法:Sobel边缘检测和Canny边缘检测,Canny边缘检测由于算法复杂将在另一篇文章中单独介绍,文章不涉...
分类:其他好文   时间:2015-02-11 12:14:37    阅读次数:640
目标检測的图像特征提取之(一)HOG特征
1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检測的特征描写叙述子。它通过计算和统计图像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,尤其在行人检測中...
分类:其他好文   时间:2015-01-23 18:09:51    阅读次数:230
图像处理的一些概
图像处理的基本方法有:图像变换、图像平滑、图像增强、图像分割和图像特征提取等 图像变换就是将图像在空间域的处理转换为变换域的处理。因为图像阵列大,如果直接在空间域进行处理,运算量将会非常大,而采用图像变换,如沃尔什变换、傅里叶变换、离散余弦变换等进行处理,则不仅能大大减少计算量,还能得到更加有...
分类:其他好文   时间:2015-01-16 20:39:40    阅读次数:179
模式匹配之sift--- sift图像特征提取与匹配算法代码
sift,The Scale Invariant Feature Transform ,尺度不变特征变换,是检测图像中具有唯一性、对图像平移、旋转、缩放、甚至仿射变换(如从不同角度拍摄图片)保持不变性的图像局部特征的一种有效方法。可以容易地应用到图像匹配的应用中,如目标检测与识别,或者计算图像间的几...
分类:编程语言   时间:2014-11-27 01:29:27    阅读次数:322
图像增强之拉普拉斯锐化---高斯一阶导二阶导数
图像处理之高斯一阶及二阶导数计算图像的一阶与二阶导数计算在图像特征提取与边缘提取中十分重要。一阶与二阶导数的作用,通常情况下:一阶导数可以反应出图像灰度梯度的变化情况二阶导数可以提取出图像的细节同时双响应图像梯度变化情况常见的算子有Robot, Sobel算子,二阶常见多数为拉普拉斯算子,如图所示:...
分类:其他好文   时间:2014-11-11 14:08:25    阅读次数:1024
目标检測的图像特征提取之(一)HOG特征
1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检測的特征描写叙述子。它通过计算和统计图像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,尤其在行人检測中...
分类:其他好文   时间:2014-11-10 13:38:56    阅读次数:205
深度学习实现彩色图像特征提取:线性解码器
在前面的讨论中,用到的激励函数都是sigmoid函数:以为最终的输出层所有输出的范围是[0,1],而我们在自编码学习的动机就是使得输出等于输入,于是所有输入必须调整到[0,1]范围内,但是问题来了,有些数据集输入范围容易调整,比如Minist,但是PCA白化处理的输入并不满足[0,1],所以需要找到...
分类:其他好文   时间:2014-10-26 13:07:31    阅读次数:240
图像特征提取:SIFT定位算法关键步骤的说明
1. SIFT算法中一些符号的说明$I(x,y)$表示原图像。$G(x,y,\sigma)$表示高斯滤波器,其中$G(x,y,\sigma) = \frac{1}{2\pi\sigma^2}exp(-(x^2+y^2)/2\sigma^2)$。$L(x,y,\sigma)$表示由一个高斯滤波器与原图...
分类:编程语言   时间:2014-10-20 10:00:46    阅读次数:331
63条   上一页 1 ... 3 4 5 6 7 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!