参考 1. 图像不变性特征: 2. matlab实现: 3. HU矩和Zernike矩: 完

这一篇博文将讨论Zernike矩在边缘检测中的应用,关于Zernike矩的基本概念,可以参看<Zernike矩之图像重建(附源码> 源码下载 参考: [4] Ghosal S, Mehrotra R. Orthogonal moment operators for subpixel edge detection[J]. Pattern recognition,1993, 26(2): 295-306.

源码下载 参考: [1] Teague M R. Image analysis via the general theory of moments[J]. JOSA, 1980, 70(8): 920-930.[2] Hwang S K, Kim W Y. A novel approach to the fast computation of Zernike moments[J]. PatternRecognition, 2006, 39(11): 2065-2076.[3] http://ww

1.Zernike矩介绍 Zernike矩是基于 Zernike多项式的正交化函数,所利用的正交多项式集是 1个在单位圆内的完备正交集.Zernike矩是复数矩 ,一般把 Zernike矩的模作为特征来描述物体形状.1个目标对象的形状特征可以用 1组很小的 Zernike矩特征向量很好的表示,低阶矩特征向量描述的是 1幅图像目标的整体形状,高阶矩特征向量描述的是图像目标的细节. 2.Zernike多项式数学描述 Zernike有奇数和偶数之分 若为奇数,则   若为偶数,则   其中, m.n为

阅读对象:对概率论中的期望有一点了解. 1.图像几何矩 1.1简述 图像的几何矩包括空间矩.中心矩和中心归一化矩.几何矩具有平移.旋转和尺度不变性,一般是用来做大粒度的区分,用来过滤显然不相关的图像. 1.2用数学语言阐述图像的几何矩 针对于一幅图像,我们把像素的坐标看成是一个二维随机变量(X,Y),那么一幅灰度图像可以用二维灰度密度函数来表示,每个像素点的值可以看成是该处的密度,对某点求期望就是该图像在该点处的矩(原点矩),一阶矩和零阶矩可以计算某个形状的重心,二阶矩可以计算形状的方向,因此可

Yang, Mingqiang, Kidiyo Kpalma, and Joseph Ronsin. "A survey of shape feature extraction techniques." (2008): 43-90. 转载请注明 黄世宇:http://www.cnblogs.com/huangshiyu13/p/6432647.html. 1.介绍 "一张图片需要很多文字进行描述",这个谚语来自孔子-一个中国大约2500年前的哲学家.现在,这些文字的

参考尺度空间理论 金字塔 当用一个机器视觉系统分析未知场景时,计算机没有办法预先知道图像中物体尺度,因此,我们需要同时考虑图像在多尺度下的描述,获知感兴趣物体的最佳尺度.所以在很多时候,我们会在将图像构建为一系列不同尺度的图像集,在不同的尺度中去检测我们感兴趣的特征.比如:在Harr特征检测人脸的时候,因为我们并不知道图像中人脸的尺寸,所以需要生成一个不同大小的图像组成的金字塔,扫描其中每一幅图像来寻找可能的人脸. 图像金字塔化的一般步骤:首先,图像经过一个低通滤波器进行平滑(这个步骤会使图像变

此主要讨论图像处理与分析.虽然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. 8. Edge Detection 边缘检测也是图像处理中的一个基本任务.传统的边缘检测方法有基于梯度 算子,尤其是 Sobel 算子,以及经典的 Canny 边缘检测.到现在,Cann

翻译 局部不变特征探测器:一项调查 摘要 -在本次调查中,我们概述了不变兴趣点探测器,它们如何随着时间的推移而发展,它们如何工作,以及它们各自的优点和缺点.我们首先定义理想局部特征检测器的属性.接下来是对过去四十年中根据不同类别的特征提取方法组织的文献的概述.然后,我们对选择的方法进行更详细的分析,这些方法对研究领域产生了特别重大的影响.最后总结并展望未来的研究方向. 1引言 在本节中,我们将讨论局部(不变)特征的本质.这个词我们的意思是什么?使用局部特征有什么好处?我们可以用它们做什么?理想的

原理 颜色矩(color moments)是由Stricker 和Orengo所提出的一种非常简单而有效的颜色特征.这种方法的数学基础在于图像中任何的颜色分布均可以用它的矩来表示.此外,由于颜色分布信息主要集中在低阶矩中,因此仅采用颜色的一阶矩(mean).二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布.与颜色直方图相比,该方法的另一个好处在于无需对特征进行向量化.因此,图像的颜色矩一共只需要9个分量(3个颜色分量,每个分量上3个低阶矩),与其他的颜色特征相比是非

这部分学习python函数的写法: 在写python函数之前,首先看一下python中已经写好的函数,就像C中的<math>中的那些函数一样的东西有哪些:网址为https://docs.python.org/3/library/functions.html 1.调用函数的时候如果,参数类型错误会报错并提示.参数数量错误会报错并提示,注意阅读报错信息就是了. 2. python中比较好玩的数据类型转换: 3.函数重命名:这个功能在C中倒是没有见过 4.python中定义一个函数要用:def ;

国庆期间闲不住,用python把经典俄罗斯方块实现了一遍,找到了些儿时的乐趣.因此突发奇想,打算用python写点经典又确实有趣的小程序形成系列.正统编程之余也给自己找点儿乐趣,换个角度写程序. 原计划是写篇完整的博文对程序算法和函数模块做个说明,但是在整理程序的时候发现自己给程序加的注释已经相当详细,程序以外的文字显得很多余.正所谓大道至简,直接将程序代码贴上来,大家就着代码.伴着注解,相信对程序的理解应该很容易. 配置文件 elsfk.cfg,定义了单一方向的原始方块形状组合,具体的格式说明

[转自] 用Python做统计分析 (Scipy.stats的文档) 对scipy.stats的详细介绍: 这个文档说了以下内容,对python如何做统计分析感兴趣的人可以看看,毕竟Python的库也有点乱.有的看上去应该在一起的内容分散在scipy,pandas,sympy等库中.这里是一般统计功能的使用,在scipy库中.像什么时间序列之类的当然在其他地方,而且它们反过来就没这些功能. 随机变量样本抽取 84个连续性分布(告诉你有那么多,没具体介绍) 12个离散型分布 分布的密度分布函数,累

Python Flask vs Ruby Sinatra vs Go Martini vs Node Express 本文授权转载自 zybuluo 博客. 题外话一: 最近一段时间,Cloud Insight 接连发布了三种语言(Python, Node, Ruby)的SDK,Cloud Insight Agent 也迎来了重大突破,发布了 Windows 监控的第一个版本,总算可以松口气写点东西了~ 题外话二: 偶然的机会看到一篇 blog,文中详细的介绍了 Flask(Python), S

介绍 本文将介绍如何编写一个只有200行的Python脚本,为两张肖像照上人物的“换脸”. 这个过程可分为四步: 检测面部标记. 旋转.缩放和转换第二张图像,使之与第一张图像相适应. 调整第二张图像的色彩平衡,使之与第一个相匹配. 把第二张图像的特性混合在第一张图像中. 完整的源代码可以从这里下载: https://github.com/matthewearl/faceswap/blob/master/faceswap.py 1．使用dlib提取面部标记 该脚本使用dlib的Python绑定来提

近年来,金融领域的量化分析越来越受到理论界与实务界的重视,量化分析的技术也取得了较大的进展,成为备受关注的一个热点领域.所谓金融量化,就是将金融分析理论与计算机编程技术相结合,更为有效的利用现代计算技术实现准确的金融资产定价以及交易机会的发现.量化分析目前已经涉及到金融领域的方方面面,包括基础和衍生金融资产定价.风险管理.量化投资等.随着大数据技术的发展,量化分析还逐步与大数据结合在一起,对海量金融数据实现有效和快速的运算与处理. 在量化金融的时代,选用一种合适的编程语言对于金融模型的实现是至关

三元运算 三元运算(三目运算),是对简单的条件语句的缩写 # 书写格式 result = 值1 if 条件 else 值2 # 如果条件成立,那么将 “值1” 赋值给result变量,否则,将“值2”赋值给result变量 基本数据类型补充 set set集合,是一个无序且不重复的元素集合 class set(object): """ set() -> new empty set object set(iterable) -> new set object Bui

外星人入侵 游戏概述: 现在准备用python开始搞一个大型游戏,模拟未来战争,地球人狙击外星人大战(其实就是小蜜蜂游戏2333),玩家控制一个飞船,用子弹歼灭屏幕上空的外星飞船:项目用到了Pygame模块,下面是模块的安装 Windows系统上Pygame安装: 访问https://bitbucket.org/pygame/pygame/downloads/地址,查找与Python版本匹配的Windows安装程序,cp35表示支持python3.5,本次使用的是python3.5版本 下载扩展

请大家根据自己的实际情况对号入座,挑选适合自己的 Python 入门书籍: 完全没有任何编程基础:01 号书 少量编程基础,不求全,只希望能以最快的速度入门:02 号书 少量编程基础,有一定的英文阅读能力,喜欢多一些项目实例:03, 04 号书 没什么编程基础,但时间较充裕,希望学习得全面一些:05, 06 号书 有一定编程基础,而且时间较充裕,希望学习得全面一些:09 号书 已经掌握了基本的 Python 编程,希望学习更多 Python 编程的技巧:07 号书 已经掌握了基本的 Python

机器学习中的数学 觉得有用的话,欢迎一起讨论相互学习~Follow Me 原创文章,如需转载请保留出处 本博客为七月在线邹博老师机器学习数学课程学习笔记 矩 对于随机变量X,X的K阶原点矩为 \[E(X^{k})\] X的K阶中心矩为 \[E([X-E(X)]^{k})\] 期望实际上是随机变量X的1阶原点矩,方差实际上是随机变量X的2阶中心矩 变异系数(Coefficient of Variation):标准差与均值(期望)的比值称为变异系数,记为C.V 偏度Skewness(三阶) 峰度Ku