摘要：前一阶段做项目用到了 何凯明的这篇文章中的算法，闲来无事，总结一下。其实，对于图像去雾，去模糊，去噪声问题，数学模型都非常接近，而且非常简单，由于数学模型非常简单，如何有效的估计其中的参数就是重点了。以前有大量的文章是基于先验假设的，这类方法有很大的局限性，而何凯明的这篇文章的确是给出了一个去雾问题的比较好的模型。-------------------------------先介绍一下何凯明这个人： 当年的广东省高考状元，然后进入清华，应该是基础班，搞数学物理这些基础的东西，这些基础的东西肯定对他的科学研究有很大的作用，这篇文章就足以说明问题。清华毕业，应该是去了香港中文大学，然后在微软亚洲研 阅读全文

摘要：在图像中，边缘可以看做是位于一阶导数较大的像素处，因此，我们可以求图像的一阶导数来确定图像的边缘，像sobel算子等一系列算子都是基于这个思想的。但是这存在几个问题：1. 噪声的影响，在噪声点处一阶导数也会取极大值 2. 求解极大值的复杂性所以，有了使用二阶导数的方法。这里主要考虑LoG算子，即高斯-拉普拉斯算子。为什么要使用二阶导数呢？这里要考虑上面说的第二个问题，一阶导数的极大值到了二阶导数对应的值就是0了，很显然求解一个函数的零点值要比求极大值容易。这个性质也被称为二阶导数过零点（zero-crossing）。所以，我们就可以利用二阶导数来代替一阶导数了。而对于上面的第一个问题，也就是为 阅读全文

摘要：前一篇文章简要的说了一下空域上的Harris角点检测，现在说一下我真正要说的时空域上的3D Harris角点检测。其实理解了空域的角点检测，时空域上的也就是多了一个时间的维度罢了，思想是一样的。首先我们还是进行尺度变换，将视频变化为尺度空间表示：，其中\sigma_1是空域的尺度，\tau_1是时间域的尺度，G是高斯核函数所以，根据空域中的方法，我们定义按照泰勒公式展开，可以得到矩阵M:也可以得到Harris角点算子在时空域的表达形式，即：同样，我们来验证上式R的局部最大值与3个特征值都很大的对应关系。设,且则上式变为这里我们要求R>=0,所以设alpha=1,beta=1,那么k=1/ 阅读全文

摘要：今天看3D（时空域） Harris角点的检测，发现网上关于此的中文内容很少，所以决定写两篇文章，分享一下自己的心得。第一篇是关于在空域上的Harris角点检测。在我们解决问题时，往往希望找到特征点，“特征”顾名思义，指能描述物体本质的东西，还有一种解释就是这个特征微小的变化都会对物体的某一属性产生重大的影响。而角点就是这样的特征。观察日常生活中的“角落”就会发现，“角落”可以视为所有平面的交汇处，或者说是所有表面的发起处。假设我们要改变一个墙角的位置，那么由它而出发的平面势必都要有很大的变化。所以，这就引出了图像角点的定义“如果某一点在任意方向的一个微小变动都会引起灰度很大的变化，那么我们就把 阅读全文