随笔分类 - 图像处理
摘要：源地址：http://www.cnblogs.com/growup/archive/2011/04/26/2029393.html这学期分别学习了《数据挖掘》《机器学习》和《模式识别》三门课程，为了搞明白这三者的关系，就google了下，一下为一些从网上获得的资料。-----------------...
阅读全文
摘要：原地址：http://blog.sina.com.cn/s/blog_4b59de070100ehl7.html最近一直在做相关推荐方面的研究与应用工作，召回率与准确率这两个概念偶尔会遇到，知道意思，但是有时候要很清晰地向同学介绍则有点转不过弯来。召回率和准确率是数据挖掘中预测、互联网中的搜索引擎等...
阅读全文
摘要：原地址：http://blog.csdn.net/laviewpbt/article/details/20577683关于高反差保留的用处说明呢，从百度里复制了一段文字，我觉得写得蛮好的： 高反差保留就是保留图像的高反差部分，再说得真白些，就是保留图像上像素与周围反差比较大的部分，其它的部分都变为...
阅读全文
摘要：原地址:http://cg2010studio.wordpress.com/2012/10/02/rgb與cielab色彩空間轉換/之前有研究CIE L*a*b*色彩空間，現在想更進一步探討RGB色彩空間轉換至CIE L*a*b*色彩空間。這時候我們想知道，為何需要將RGB色彩空間轉換至CIE L*...
阅读全文
摘要：【1】基础学习笔记之opencv(1)：opencv中facedetect例子浅析 http://www.cnblogs.com/tornadomeet/archive/2012/03/22/2411318.html【2】OpenCV学习笔记（二十七）——基于级联分类器的目标检测objdect http://blog.csdn.net/yang_xian521/article/details/6973667【3】Haar+Adaboost实现人头检测 http://blackhuman.blogcn.com/archives/143【4】AdaBoost中利用Haar特征进行人脸识别算法分析与
阅读全文
摘要：先定义两个矩阵a = [1 2 3 5 ; 4 7 9 5;1 4 6 7;5 4 3 7;8 7 5 1] %a矩阵取5*4b = [1 5 4; 3 6 8; 1 5 7] %b矩阵如多数模板一样取3*3那么conv(a,b)的结果肯定是（5+3-1）*（4+3-1）=7*6的矩阵卷积计算过程如下：默认先把a矩阵补0变成7*6维的矩阵，然后b翻转 之后进行模板操作，要计算a矩阵中哪个点卷积以后的值，就把翻转之后b‘矩阵的中心如图中的6放到要计算的位子 然后对应的3*3矩阵对应位置相乘，之后全部相加即为对应点的卷积之后的结果。如下图所示结果如下：c=conv2(a,b)c = 1 7...
阅读全文
摘要：1、人脸检测（确定人脸的位置）。2、人脸关键点（确定眼睛，嘴角等特征位置）。3、人脸几何校正（把人脸通过缩放、旋转、拉伸等图像变化到一个比较标准的大小位置）。4、人脸光学校正（滤波，去除一些对光照敏感的面部特征）。5、人脸特征提取（包括LBP,HOG,Gabor等）。6、人脸识别
阅读全文
摘要：原地址：http://blog.sina.com.cn/s/blog_6ae183910101h4jr.html一，人脸检测/跟踪人脸检测/跟踪的目的是在图像/视频中找到各个人脸所在的位置和大小；对于跟踪而言，还需要确定帧间不同人脸间的对应关系。1,Robust Real-time Object Detection.Paul Viola,Michael Jones. IJCV 2004.入选理由：Viola的人脸检测工作使得人脸检测真正变得实时可用。他们发表了一系列文章，这篇是引用率最高的一篇。2,Fast rotation invariant multi-view face detectio
阅读全文
摘要：原地址：http://blog.csdn.net/chlele0105/article/details/11991533梯度直方图特征(HOG)是一种对图像局部重叠区域的密集型描述符,它通过计算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，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。HOG特征是一种局部区域描述符,它通过计算局部区域上的梯度方向直方图来构成人体特征,能够很好地描述人体的边
阅读全文
摘要：原地址：http://blog.csdn.net/van_ruin/article/details/91665911.方向梯度直方图（Histogramof 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测的特征描述子。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。基本知识可以参考博客：http://blog.csdn.net/zouxy09/article/details/7929348 2.Adaboost的基础知识可以参考书籍：统计学习方法，第八章-提升方法adaboost。 这里利用HOG来训练Adaboost行人检测。在H..
阅读全文
摘要：原地址：http://www.cnblogs.com/freedomshe/archive/2012/04/24/2468747.html题记：2012年4月1日回到家，南大计算机研究僧复试以后，等待着的就是独坐家中无聊的潇洒。不知哪日，无意中和未来的同学潘潘聊到了图像处理，聊到了她的论文《基于LDA的行人检测》，出于有一年半工作经验的IT男人的本能，就一起开始学习研究这篇“论文”了。众所周知，老师给学生设置论文题目的，起初都是很模糊的——自己没有思考清楚实践上的可行性和具体思路，仅从理论了解上就给学生设置一些“难以实现”的论文任务。几经修改和商讨，最后的论文实际上就是“基于SIFT+Kmea
阅读全文
摘要：原地址：http://www.chinaaet.com/article/index.aspx?id=114534关键词:疲劳检测DSP亮瞳效应PERCLOS摘 要：针对汽车驾驶员疲劳驾驶检测的要求，设计了一种基于图像处理DSP芯片DM6437的疲劳驾驶视觉检测系统。通过DSP的GPIO口用软件控制摄像头轴上和轴外的两种不同波长的近红外光源(850 nm/950 nn)交替采集驾驶员图像，根据亮瞳效应两帧图像差分后粗定位人眼，用模板检测提取人眼的边界，根据PERCLOS值方法判断驾驶员是否疲劳。根据人眼的不同状态分别处理，用蜂鸣器作为报警系统提醒驾驶员。实验表明，该系统简单实用，而且能够全天候准
阅读全文
摘要：原地址：http://blog.sina.com.cn/s/blog_68ed8b210101641k.htmlOpencv结构ncxcorencvnMachine Learning(ML)nHighGUIncvcamncvauxcxcoren基础结构：CvPoint,CvSize,CvScalar等n数组操作：cvCreateImage,cvCreateMat等n动态结构：CvMemStorage,CvMemBlock等n绘图函数：cvLine,cvRectangle等n数据保存和运行时类型信息：CvFileStorage,cvOpenFileStorage等n错误处理和系统函数:cvGet
阅读全文
摘要：原地址：http://www.cnblogs.com/zengqs/archive/2009/02/12/1389208.htmlOpenCV训练分类器OpenCV训练分类器一、简介 目标检测方法最初由Paul Viola [Viola01]提出，并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。该方法的基本步骤为： 首先，利用样本（大约几百幅样本图片）的 harr 特征进行分类器训练，得到一个级联的boosted分类器。 分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器， 这样在前面几
阅读全文
摘要：原地址：http://blog.csdn.net/delltdk/article/details/9186875在进入detectMultiScal函数之前，首先需要对CascadeClassifier做初始化。1. 初始化——read函数CascadeClassifier的初始化很简单：cv::CascadeClassifier classifier;classifier.load(“cascade.xml”); //这里的xml是训练得到的分类器xmlCascadeClassifier类中既有load也有read函数，二者是相同的，load将引用read函数。1.1 xml的结构训练得到的
阅读全文
摘要：原地址计算机视觉目标检测的框架与过程zouxy09@qq.comhttp://blog.csdn.net/zouxy09 个人接触机器视觉的时间不长，对于机器学习在目标检测的大体的框架和过程有了一个初步的了解，不知道对不对，如有错误，请各位大牛不吝指点。目标的检测大体框架：目标检测分为以下几个步骤：1、训练分类器所需训练样本的创建： 训练样本包括正样本和负样本；其中正例样本是指待检目标样本(例如人脸或汽车等)，负样本指其它不包含目标的任意图片（如背景等），所有的样本图片都被归一化为同样的尺寸大小(例如，20x20)。2、特征提取： 由图像或波形所获得的数据量是相当大的。例如，一个文字图像可以有
阅读全文
摘要：原地址：http://www.cnblogs.com/freedomshe/archive/2012/04/24/2468747.html题记：2012年4月1日回到家，南大计算机研究僧复试以后，等待着的就是独坐家中无聊的潇洒。不知哪日，无意中和未来的同学潘潘聊到了图像处理，聊到了她的论文《基于LDA的行人检测》，出于有一年半工作经验的IT男人的本能，就一起开始学习研究这篇“论文”了。众所周知，老师给学生设置论文题目的，起初都是很模糊的——自己没有思考清楚实践上的可行性和具体思路，仅从理论了解上就给学生设置一些“难以实现”的论文任务。几经修改和商讨，最后的论文实际上就是“基于SIFT+Kmea
阅读全文
摘要：原地址：http://blog.csdn.net/celerychen2009/article/details/88390981.简介。 严格的来说，去雾也是对比度增强的一种。但是用常见的对比度增强以及直方图均衡的算法根本达不到良好的效果。这方面最近比较好的工作就是He kaiming等提出的Dark Channel方法。这篇论文也获得了2009的CVPR最佳论文奖。文章标题： single Image Haze Removal Using Dark Channel Prior。2. 暗通道先验的理解 从论文的公式1可以看出，去雾模型和图像抠图在代数方程上是一致的。 简单的说，有...
阅读全文
摘要：原地址：http://blog.csdn.net/celerychen2009/article/details/8839097人脸检测和人脸识别都是属于典型的机器学习的方法，但是他们使用的方法却相差很大。对于人脸检测而言，目前最有效的方法仍然是基于Adaboost的方法。在网上可以找到很多关于Adaboost方法的资料，但基本上是千篇一律，没有任何新意。给初学者带了很多不便。建议初学者只需要认真阅读：北京大学 赵楠 的本科毕业论文 ：基于 AdaBoost算法的人脸检测 这篇毕业论文就够了。作者详细分析了Adaboost算法在人脸检测中的具体执行过程，尤其是关于弱分类器的Haar特征选取过程，
阅读全文
摘要：原地址：http://blog.csdn.net/celerychen2009/article/details/8839099目前，手机上各种图片特效的软件应用App盛行，典型的如camare360，美图秀秀，powercalm等。上述图像特效软件最初发布的版本的特效实现基本上是基于调色的技术，在后续发布的版本中有少量的比较好的算法。 不过，最具技术含量的还是虹软的perfect365，perfect365在其发行的第一个版本中就实现人脸五官的定位，并在此基础上实现了自动眼睛放大，自动瘦脸等一些列涉及人脸美化的操作。不过，由于参数选择的不好，其第一个版本实现的这些操作的效果很不自然，尤其是..
阅读全文
浙公网安备 33010602011771号