purgle-CSDN博客

原创 MIT计算机视觉课程变化趋势

MIT计算机视觉这门课从2010年春季学期开始开课，除了2011年的课程安排没有找到，剩下的整理出来了。如果想要更加清晰的图，此处可以下载。经过一些整理：可以发现low-level, mid-level和high-level的课程分布越来越均衡，或许这就是这门课未来的标准教学体系了。

2018-01-02 18:49:54 923

原创 MIT计算机视觉课件总结Lecture6-Lecture12

继续之前的计算机视觉课程的学习：Lecture 6 物体人类对于物体的感知是连续感知和分类感知的混合，在大层面下，分类感知起主要作用，比如看到的物体，我们都会下意识地根据颜色来进行类别分类。而在小尺度下，例如我们要仔细分辨一块瓷砖内花纹之间有什么区别，这个时候，连续感知更多地帮助我们对物体进行认知。当然，涉及到认知层面，必然会跟文化因素，经验，任务和注意力有关。类别的分类是非常

2017-12-31 15:22:36 1469

原创 Python调用C++封装的进一步探索

我们知道，C++和python各有优缺点，C++可以直接映射到硬件底层，实现高效运行，而python能够方便地来进行编程，有助于工程的快速实现。那能不能发挥两者的优势将它们结合起来？当然是可以的！有多种方法可以实现它们之间的相互转换。链接文章中，有提到一个简单的例子，来教我们如何生成可以被python加载的文件。但是这只能针对简单的数据进行封装，一旦涉及到自定义的类等封装数据，就需要借助第三方

2017-12-26 19:39:28 11477

1.现状图像去噪，在10年前的计算机视觉领域中是非常火的一个研究方向，一旦某个大佬出了一篇关于去噪问题的解决方法，大家争先恐后地把它小改或者根本不改仅仅套用在不同的对象上就能水一篇论文。然而，在深度学习给图像处理带来巨大冲击的今天，它渐渐沦为了一个图像复原领域里面的一个子问题，跟超分辨率重建，图像模糊等问题没什么其他很大的区别，只是目标函数不同，同一套网络，修改了目标函数，能够达到很好的复原效果，那

2017-12-17 21:54:13 4437

原创现代优化算法之蚁群算法

参考一篇论文《An ant colony optimization algorithm for image edge detection》来尝试说清楚蚁群优化算法的大概流程。蚁群算法是一种群体智能算法，这类算法主要是依靠随机选择加上（目标函数）引导来拓宽解的搜索能力。我个人觉得这一类的群体算法在概率上并不能保证得到的结果都是最优的，因此会出现不可控性。但是它的表示能力比较强，许多难以用数学函数描

2017-06-30 20:57:53 2214

原创图像处理中的经典滤波算法(下)

图像处理中有两篇滤波算法论文我认为是比较实用且有新颖性，今天就在这里将论文的主要思想介绍一下，这两种算法非常容易与其他算法结合，更主要是学习里面蕴含的思想。注意：线性滤波器的线性组合仍是线性滤波器。1. Guided Filter[1]一开始看到有Guided 这个词，就容易想到，它是由外部的某些已知条件来引导滤波器发挥作用达到滤波的效果。其实，这是一个非常直观的操作：希望参考图像能够给我们提供

2017-06-27 22:53:22 2076

原创信赖域（Trust Region）

信赖域算法TR可以用来求解非线性规划问题（NLP, NonLinear Programing），比如含二次项问题的优化求解，但其实它跟线搜索方法一样，大量形式的优化问题都可以通过泰勒展开为（1）的形式，进而可以采用TR方法，不足之处是∇2f\nabla^2f Hessian矩阵的计算比较耗时和占内存： f(xk+p)=fk+∇fTkp+12pT∇2f(xk+tp)p, t∈(0,1)(1)f(x

2017-06-27 17:52:00 4730

原创图像处理中的线性和非线性滤波器(上)

滤波器可以说是信号处理中最重要的研究对象，滤波器可以将原始信号的有用信息通过各种组合来凸显出来，因此很多时候也将它们称为Neighborhood operators，基本上所有涉及到特征的应用场合都要考虑滤波器，即使是发展到看起来很高大上的深度学习等，各种滤波器如果设计的好的话，能够极大地提高整个算法的准确度和效率。　　除了一些简单的滤波器外，今天主要介绍两种滤波器。1.线性滤波器

2017-06-25 19:54:18 22924

原创图像评价指标

1.图像评价指标　　图像评价指标用来客观评价图像处理中算法的优劣性，一般在对比实验中突出自己提出的算法的亮点。一般来说，每个细分的领域都有相应的指标，如边缘检测，有PFOM（Pratt’s Figure Of Merit）[1][2]（第一个引用是它的来源，第二个引用是使用它的例子）；图像增强，有EEME（Evaluating image Enhancement Measure by Entropy

2017-06-25 17:24:30 25037 4

原创圆检测（续）- RANSAC

继之前提到的两种方法之后，这里再列出基于RANSAC的圆检测，RANSAC(Random Sample Consensus)随机抽样一致性，略不同于霍夫圆变换那种基于投票的策略，这是一种对观测数据进行最大化模型检验的方法。下面来简单介绍一下它的原理： 1、原理最小二乘法通常用在线性拟合参数中，但一旦最小二乘法输入的观测数据中包含有大量分散的干扰点时，它拟合出来的效果可能并不好，如可能会出现这

2016-07-22 15:19:25 11132 2

原创牛顿（Newton）方法

1、牛顿方法的实现

2016-07-17 14:45:59 1593

原创圆检测-CircleDectection

1、简介机器视觉中经常涉及到基础形状的检测，基础形状包括直线、圆和椭圆等，直线的检测是最简单的一种，可以直接提取边缘后采点进行点的直线方程拟合，要确定的参数就两个：斜率和截距。而圆的检测跟直线类似，只是变量变成了三个参数（圆心的横纵坐标和圆半径），如果直接进行参数拟合，所需的计算量或许会成倍的增加，运算的时间与半径变化所需搜索的范围成正相关。2、已知半径的圆检测它的思路是： 1.找出边

2016-07-16 16:50:39 7932 1

原创凸优化笔记(三)--凸函数

1、若函数f:Rn→Rf:R^n\to R是凸的，有个很重要的前提，domfdomf是凸集。 2、函数是凸的，当且仅当其在与其定义域相交的任何直线上都是凸的？　　→\to直线x+tvx+tv与domfdomf相交，且f(x+tv)f(x+tv)是凸的，为什么能证明f(x)f(x)是凸的？ 3、拓展值延伸，起到自动定义定义域的作用，引出示性函数。 4、一阶条件，ff可微是由梯度∇f\nab

2016-07-13 13:08:08 3976

原创三点法求三维坐标精度误差评估实验

1、实验目的1）对实验做一个系统性的误差评价。2）验证本实验的精度能否达到测量空间角的要求。 2、实验原理参考论文[1]进行误差评估实验，但是由于论文中的评定指标并不都适合本次实验，所以要重新考虑哪些变量可以作为判断三点法求三维坐标是否精确的指标，哪些不能。经过可操作性等考虑之后，选取了3维中的距离和空间角作为指标；2维方面选取矫正和非矫正的图像作为指标。

2016-06-23 17:25:20 5366

原创凸优化笔记（一）

1.预备的一些知识1）范数的定义：由内积引导出来||x||2=(xTx)1/2=(x21+x22+⋯+x2n)1/2 ||x||_2 = (x^Tx)^{1/2} = (x_1^2 + x_2^2 + \cdots + x_n^2)^{1/2} 这也是Eculid\mathtt {Eculid}范数的定义 2）∀x,y∈R \forall x,y \in\mathbf R，满足Cauthy−Sch

2016-06-23 16:50:33 1271 1

原创三点法求点三维坐标实验

通过一个实验对双目标定和单目标定做进一步的了解

2016-06-16 16:18:24 9041 1

原创手的简单跟踪加方向判断

（一）跟踪最近与同学完成了一个小项目，做了其中的一部分工作，现在答辩完了，也就可以拿出来分享一下思路：跟踪是在识别手之后开始的，手的识别是由Hu矩加上轮廓的面积周长比： double contArea = fabs(contourArea(contours[i])); double contLength = arcLength(contours[i], false); double

2016-05-25 23:11:31 3448 1

原创图像的局部特征研究--Hu不变矩

对一幅图片进行判断是否由另一幅图片进行旋转平移等变换得来--Hu不变矩

2016-03-25 00:00:41 16523 2

原创 MIT计算机视觉课件总结Lecture1-Lecture5

网站：http://people.csail.mit.edu/torralba/courses/6.869/6.869.computervision.htmLecture 1 关于计算机视觉这门课的简单介绍课程语言：Matlab 课本：Rick Szeliski大牛的《Computer Vision: Algorithms and Applications》开篇明义，视觉是什么，

2016-02-22 10:40:00 1665

purgle