01 2014 档案

摘要：转自：http://blog.sina.com.cn/s/blog_62bce98c0100stnc.html在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，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. 马氏距离7. 夹角余弦8. 汉明距离9. 杰卡德距离 & 杰卡德相似系数10. 相关系数 & 相关距离1 阅读全文

摘要：http://blog.sina.com.cn/s/blog_c09fe5d501016lbm.htmlhttp://blog.csdn.net/yangtrees/article/details/10118223 阅读全文

摘要：图像配准算法一般可分为: 一、基于图像灰度统计特性配准算法；二、基于图像特征配准算法；三、基于图像理解的配准算法。其中，算法类型二最普遍，基于特征的图像配准算法的核心步骤为：1.特征提取、2.特征匹配、3.模型参数估计、4.图像变换和灰度插值（重采样）。图像配准必须得考虑3个问题: 分别是配准时所用到的空间变换模型、配准的相似性测度准则以及空间变换矩阵的寻优方式。1）空间变换模型，是指的这两幅要配准的图像之间的映射模型，比如只有旋转、平移这些操作，那就是刚体变换模型，又比如有缩放操作，甚至X方向和Y方向缩放的幅度都还不一样，那就是仿射变换或者非线性变换模型。总之你要做配准，先要确定这两幅图像之 阅读全文