9 xingyanxiao

尚未进行身份认证

我要认证

硕士在读,关注图像处理,数据挖掘、机器学习算法、希望有其长的同时开阔眼界。

等级
TA的排名 4w+

图像处理与计算机视觉:基础,经典以及最近发展

转自:http://blog.csdn.net/dcraw/article/details/7617891由于新浪爱问关闭了,把文章都放在了百度云盘里http://pan.baidu.com/s/1hqf4SkOhttp://pan.baidu.com/s/1hq253z2历时一个多月,终于用业余时间把这些资料整理出来了。以后可能会有些小修小补,

2015-11-01 17:07:35

图像处理与计算机视觉:基础,经典以及最近发展(5)计算机视觉

Last update: 2012-6-7这一章是计算机视觉部分,主要侧重在底层特征提取,视频分析,跟踪,目标检测和识别方面等方面。对于自己不太熟悉的领域比如摄像机标定和立体视觉,仅仅列出上google上引用次数比较多的文献。有一些刚刚出版的文章,个人非常喜欢,也列出来了。1. Active Appearance Models活动

2015-11-01 17:05:31

图像处理与计算机视觉:基础,经典以及最近发展(4)图像处理与分析

Last update: 2012-6-3本章主要讨论图像处理与分析。虽然后面计算机视觉部分的有些内容比如特征提取等也可以归结到图像分析中来,但鉴于它们与计算机视觉的紧密联系,以及它们的出处,没有把它们纳入到图像处理与分析中来。同样,这里面也有一些也可以划归到计算机视觉中去。这都不重要,只要知道有这么个方法,能为自己所用,或者从中得到灵感,这就够了。1.

2015-11-01 17:03:14

图像处理与计算机视觉:基础,经典以及最近发展(3)计算机视觉中的信号处理与模式识别

从本章开始,进入本文的核心章节。一共分三章,分别讲述信号处理与模式识别,图像处理与分析以及计算机视觉。与其说是讲述,不如说是一些经典文章的罗列以及自己的简单点评。与前一个版本不同的是,这次把所有的文章按类别归了类,并且增加了很多文献。分类的时候并没有按照传统的分类方法,而是划分成了一个个小的门类,比如SIFT,Harris都作为了单独的一类,虽然它们都可以划分到特征提取里面去。这样做的目的是希望能

2015-11-01 16:59:33

图像处理与计算机视觉:基础,经典以及最近发展(2)图像处理与计算机视觉相关的书籍

转自:http://blog.csdn.net/dcraw/article/details/76123601. 数学我们所说的图像处理实际上就是数字图像处理,是把真实世界中的连续三维随机信号投影到传感器的二维平面上,采样并量化后得到二维矩阵。数字图像处理就是二维矩阵的处理,而从二维图像中恢复出三维场景就是计算机视觉的主要任务之一。这里面就涉及到了图像处理所涉及到的三个重要属性:

2015-11-01 16:50:19

图像处理与计算机视觉:基础,经典以及最近发展(1)序

转自:http://blog.csdn.net/dcraw/article/details/76122901. 为什么要写这篇文章      从2002年到现在,接触图像快十年了。虽然没有做出什么很出色的工作,不过在这个领域摸爬滚打了十年之后,发现自己对图像处理和计算机视觉的感情越来越深厚。下班之后看看相关的书籍和文献是一件很惬意的事情。平常的一大业余爱好就是收集一些相关的文章

2015-11-01 16:48:39

笔试题:C语言中的字符串问题

做编程题时,使用字符串一般都是直接用的C++的string类库,比C语言指针型操作字符串要简易方便很多。但是笔试题中,经常考察指针在C语言字符串中的问题。下面就我遇到的一些题,谈下我的理解,如有偏差请指正。第一题:void f(char *p){ p=(char*)malloc(10); strcpy(p,"Hi");}void main(){ char *p=N

2015-09-16 21:10:42

机器学习中的数学:强大的矩阵奇异值分解(SVD)及其应用

版权声明:    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com前言:    上一次写了关于PCA与LDA的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用奇异值分解去实现的。在上篇文章中便是基于特征值

2015-09-13 21:16:23

机器学习中的数学:奇异值分解

转自:http://blog.csdn.net/redline2005/article/details/24100293PS:一直以来对SVD分解似懂非懂,此文为译文,原文以细致的分析+大量的可视化图形演示了SVD的几何意义。能在有限的篇幅把这个问题讲解的如此清晰,实属不易。原文举了一个简单的图像处理问题,简单形象,真心希望路过的各路朋友能从不同的角度阐述下自己对SVD实际意义

2015-09-13 21:06:08

海量数据处理面试题

教你如何迅速秒杀掉:99%的海量数据处理面试题作者:July出处:结构之法算法之道blog前言   一般而言,标题含有“秒杀”,“99%”,“史上最全/最强”等词汇的往往都脱不了哗众取宠之嫌,但进一步来讲,如果读者读罢此文,却无任何收获,那么,我也甘愿背负这样的罪名,:-),同时,此文可以看做是对这篇文章:十道海量数据处理面试题与十个方法大总结的

2015-09-12 23:44:00

删除字符串中多余的空格

面试题:给定字符串,删除开始和结尾处的空格,并将中间的多个连续的空格合并成一个void RemoveExtraSpace(char* str){ bool keep_space = false; int new_str_end = 0; for (int i = 0; str[i]; ++i) { //如果遍历得到的此字符不是空格,则将标志

2015-09-10 21:10:24

面试题二叉树相关问题总结

二叉树中的面试题比较常见的题型大概有下面几个:创建一颗二叉树(先序,中序,后序)、遍历一颗二叉树(先序,中序,后序和层次遍历)、求二叉树中叶子节点的个数、求二叉树的高度、求二叉树中两个节点的最近公共祖先、打印和为某一值的全部路径、求某一节点是否在一个树中等等。再详细的说这些面试题之前,不妨先看一下几种常见的二叉树:完全二叉树:若二叉树的高度是h,除第h层之外,其他(1~h-1)层的

2015-09-10 19:34:01

Python入门教程(适用有其他编程语言经验和计算机基础的人)

转自http://blog.csdn.net/hitlion2008/article/details/9285785重要说明这不是给编程新手准备的教程,如果您入行编程不久,或者还没有使用过1到2门编程语言,请移步!这是有一定编程经验的人准备的.最好是熟知Java或C,懂得命令行,Shell等.总之,这是面向老鸟的,让老鸟快速上手Python教程.为什么总结这样的一个教程我虽不是老鸟

2015-09-07 20:58:35

C++中的static关键字用法

C++的static有两种用法:面向过程程序设计中的static和面向对象程序设计中的static。前者应用于普通变量和函数,不涉及类;后者主要说明static在类中的作用。一、面向过程设计中的static1、静态全局变量在全局变量前,加上关键字static,该变量就被定义成为一个静态全局变量。我们先举一个静态全局变量的例子,如下:[cpp] vie

2015-09-04 21:06:54

逆波兰表达式

一、概念逆波兰表达式又叫做后缀表达式。在通常的表达式中,二元运算符总是置于与之相关的两个运算对象之间,这种表示法也称为中缀表示。波兰逻辑学家J.Lukasiewicz于1929年提出了另一种表示表达式的方法,按此方法,每一运算符都置于其运算对象之后,故称为后缀表示。二、示例示例:正常的表达式-->逆波兰表达式a+b ---> a,b,+a+(b-c) ---> a,b,c,-,

2015-09-01 19:15:06

深拷贝与浅拷贝

拷贝构造函数是类中的一个特殊的成员函数,同时拷贝构造函数也是构造函数的一种,其函数名与类名相同,无返回类型,其作用也是为类的成员初始化以及为对象的构造分配存储空间,不同的是,拷贝构造函数的参数只有一个,且必须为该类对象的引用。对于普通类型的对象来说,它们之间的复制是很简单的,例如:int a=88;int b=a; 而类对象与普通对象不同,类对象内部结构一般较为复杂,存在各种成

2015-09-01 18:45:41

协方差矩阵理解

原文地址:http://pinkyjie.com/2010/08/31/covariance/今天看论文的时候又看到了协方差矩阵这个破东西,以前看模式分类的时候就特困扰,没想到现在还是搞不清楚,索性开始查协方差矩阵的资料,恶补之后决定马上记录下来,嘿嘿~本文我将用自认为循序渐进的方式谈谈协方差矩阵。统计学的基本概念学过概率统计的孩子都知道,统计里最基本的概念就是样本的均值,

2015-09-01 14:57:54

Hausdorff距离—曲线/点集间距离度量

附改进版代码,未改进版只要稍作改动即是。function [ mhd ] = ModHausdorffDist( A, B )% Format for calling function:% % MHD = ModHausdorffDist(A,B);% % where% MHD = Modified Hausdorff Distance.% A -> Point set 1%

2015-08-28 11:08:34

图像去色算法

先上图看一些算法效果                                                                    上图中从左到右依次是原图、photoshop去色结果、Matlab的rgb2gray函数处理效果、取rgb均值的效果、使用香港中文大学论文(见下)的结果、Glundland论文(见下)的结果。还有

2015-08-28 10:06:44

Photoshop图像处理算法—自动对比度和自动色调(自动色阶)

1、原理部分2、程序部分(matlab) 自动色调clc;clear;close all;img=imread('IMG_0950_cut.jpg');Image=double(img)/255;figure(1);imshow(Image);%% R=Image(:,:,1);G=Image(:,:,2);B=Image(:,:,3);

2015-08-28 08:46:19

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!