摘要： 取样和取样函数的傅里叶变换 取样 在用计算机处理之前，需要将连续函数处理成为离散值序列，考虑一个连续函数$f(t)$，模拟取样的一种方法是用一个$\Delta T$单位间隔的冲激串作为取样函数去乘以$f(t)$: $$ \tilde{f}(t) = f(t)s_{\Delta T}(t) = \su 阅读全文

摘要： 背景 傅里叶指出：任何周期函数都可以表示为不同频率的正弦和/或余弦之和的形式，每个正弦项和/或余弦项乘以不同的系数(现在称该和为傅里叶级数)； 傅里叶变换：非周期函数(该曲线下的面积是有限的)也可以用正弦和/或余弦乘以加权函数的积分来表示； 用傅里叶级数或变换表示的函数特征完全可以通过傅里叶反变换来 阅读全文

摘要： 线性判别函数 模式识别系统的主要作用：判别各个模式(样本)所属的类别 用判别函数分类的概念 判别函数进行分类依赖的因素： 判别函数的几何性质：线性的和非线性的函数 判别函数的系数 两类问题的判别函数 若$x$是二维模式样本$x = (x_1,x_2)^T$，用$x_1,x_2$作为坐标分量，可以画出 阅读全文

摘要： 混合空间增强法 将多种图像增强方法结合起来，完成困难的图像增强任务 使用模糊技术进行灰度变换和空间滤波 目的：例如将人分为年轻人和非年轻人，使用一个确定的阈值例如20岁，那么20岁过1秒的人也属于非年轻人，我们需要更加弹性的在年轻和非年轻之间过渡 模糊集合论原理 $Z$是一个元素集，$z$表示$Z$ 阅读全文

摘要： 术语空间域指图像平面本身，这类图像处理方法直接以图像中的像素操作为基础；空间域处理主要分为灰度变换和空间滤波两类，灰度变换在图像的单个像素上操作，主要以对比度和阈值处理为目的；空间滤波涉及改善性能的操作。 背景知识 本章讨论的空间域处理可由下式表示： $$ g(x,y) = T[f(x,y)] $$ 阅读全文

摘要： 第一节简述人类视觉系统的一些重要方面，包括人眼中图像的生成及人眼适应和辨认灰度的一些能力，第二节讨论光、电磁波谱的其他分量及他们的成像特点，第三节讨论成像传感器及如何使用成像传感器来生成数字图像，第四节介绍均匀图像取样和灰度量化的概念，第五节介绍像素间的各种基本关系 视觉感知要素 目的：图像形成并被 阅读全文

摘要： 图像处理的目的： 为解释图像而改善图像信息； 为存储、传输和提取图像信息等任务处理图像数据； 本章的主要目的如下:定义图像处理的范围;通过了解图像处理技术的主要应用领域简介图像处理技术的现状;简要讨论数字图像处理所用的主要方法; 什么是数字图像处理 数字图像：一幅图像可以定义为—个二维函数$f(x, 阅读全文

摘要： 数组中的逆序对计数 算法分析 所谓逆序对，是指数组中的两个元素 $A[i]$ 和 $A[j]$，其下标 $i < j$，但是考察元素的值，却有 $A[i] > A[j]$。 输入：一个包含 $n$ 个元素的数组 $A[0..n − 1]$; 输出：数组中的逆序对的数目。 从最简单的实例入手:如果数组 阅读全文

摘要： 包含对三种支持向量机的介绍，包括线性可分支持向量机，线性支持向量机和非线性支持向量机，包含核函数和一种快速学习算法-序列最小最优化算法SMO。 非线性支持向量机与核函数 核技巧 非线性分类问题 给定一个训练数据集$T = {(x_1,y_1),(x_2,y_2),\cdots,(x_N,y_N)}$ 阅读全文

摘要： 包含对三种支持向量机的介绍，包括线性可分支持向量机，线性支持向量机和非线性支持向量机，包含核函数和一种快速学习算法-序列最小最优化算法SMO。 线性支持向量机与软间隔最大化 假设训练集$T = {(x_1,y_1),(x_2,y_2),\cdots,(x_N,y_N)},x_i \in \mathc 阅读全文