<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Potattto的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Potattto</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Potattto]]></copyright><item><title><![CDATA[计算机视觉——图像检索]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/106208198</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/106208198</guid><author>Potattto</author><pubDate>Sat, 23 May 2020 23:16:10 +0800</pubDate><description><![CDATA[目录一、图像检索概述1. 两类图像检索技术2. 图像检索技术的步骤二、基于BOW的图像检索原理1. BoW词袋模型原理1.1 模型简介1.2 为什么要用BoW模型描述图像1.3 构建BoW码本步骤2.  BOF(Bag of features)原理：2.1 BOF概述2.2 基于SIFT特征构建BoF的步骤3. K-means聚类算法三、代码实现四、结果分析
一、图像检索概述
图像检索，简单的说，便是从图片检索数据库中检索出满足条件的图片，图像检索技术的研究根据描述图像内容方式的不同可以分为两类：
一类是基]]></description><category></category></item><item><title><![CDATA[计算机视觉——NCC视差匹配]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/105763266</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/105763266</guid><author>Potattto</author><pubDate>Sun, 26 Apr 2020 14:22:09 +0800</pubDate><description><![CDATA[目录一、实验原理二、匹配流程三、代码实现四、结果分析
一、实验原理
NCC，顾名思义，就是用于归一化待匹配目标之间的相关程度，注意这里比较的是原始像素。通过在待匹配像素位置p（px，py）构建3*3邻域匹配窗口，与目标像素位置p’(px+d,py）同样构建邻域匹配窗口的方式建立目标函数来对匹配窗口进行度量相关性，注意这里构建相关窗口的前提是两帧图像之间已经校正到水平位置，即光心处于同一水平线上，此...]]></description><category></category></item><item><title><![CDATA[计算机视觉——基础矩阵]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/105654429</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/105654429</guid><author>Potattto</author><pubDate>Tue, 21 Apr 2020 14:05:18 +0800</pubDate><description><![CDATA[目录一、实验原理1. 对极几何2. 基础矩阵F基础矩阵的几何推导（1）点通过平面转移（2） 构造对极线3. 通过匹配点对估算基础矩阵（8点算法）4. 图像坐标归一化5. RANSAC算法二、代码实现三、实验结果1. 左右拍摄，极点位于图像平面上2. 像平面接近平行，极点位于无穷远3. 图像拍摄位置位于前后四、 结果分析五、实验中遇到的问题
一、实验原理
1. 对极几何
对极几何描述的是两视图之间的...]]></description><category></category></item><item><title><![CDATA[计算机视觉——相机标定]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/105358985</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/105358985</guid><author>Potattto</author><pubDate>Tue, 07 Apr 2020 15:43:22 +0800</pubDate><description><![CDATA[目录一、简介二、实验原理1. 计算单应性矩阵H2. 计算内参数矩阵3. 计算外参数矩阵4. 最大似然估计
一、简介
”张正友标定”是指张正友教授1998年提出的单平面棋盘格的摄像机标定方法[1]。文中提出的方法介于传统标定法和自标定法之间，但克服了传统标定法需要的高精度标定物的缺点，而仅需使用一个打印出来的棋盘格就可以。同时也相对于自标定而言，提高了精度，便于操作。因此张氏标定法被广泛应用于计算机...]]></description><category></category></item><item><title><![CDATA[计算机视觉——基于RANSAC的图像全景拼接]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/105064468</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/105064468</guid><author>Potattto</author><pubDate>Tue, 24 Mar 2020 09:57:25 +0800</pubDate><description><![CDATA[目录1. APAP算法2. 最小割问题、最大流问题找拼接缝3. Multi-Band Bleing方法4. 图像全景拼接的实现4.1 流程4.2 代码实现4.3 实验结果（1）固定点拍摄的景深丰富的室外场景结果分析（2）更换拍摄位置的室内场景结果分析
1. APAP算法
在图像拼接融合的过程中，受客观因素的影响，拼接融合后的图像可能会存在“鬼影现象”以及图像间过度不连续等问题。解决鬼影现象可以采用...]]></description><category></category></item><item><title><![CDATA[计算机视觉——SIFT算法]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/104722211</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/104722211</guid><author>Potattto</author><pubDate>Sun, 08 Mar 2020 12:33:00 +0800</pubDate><description><![CDATA[目录一、SIFT概述1.SIFT简介2. SIFT算法特点二、 SIFT算法原理1. SIFT算法实质2. SIFT算法实现特征匹配流程三、 关键点检测1. 关键点概念2. 尺度空间概念3. 高斯金字塔3.1 概念3.2 表示4. DOG空间极值检测4.1 DOG函数4.2 DoG高斯差分金字塔4.3 DOG局部极值检测5. 关键点方向分配6. 关键点描述7. 关键点匹配三、代码实现
一、SIFT...]]></description><category></category></item><item><title><![CDATA[计算机视觉—— Harris角点检测]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/104491809</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/104491809</guid><author>Potattto</author><pubDate>Tue, 25 Feb 2020 14:14:06 +0800</pubDate><description><![CDATA[角点

]]></description><category></category></item><item><title><![CDATA[计算机视觉——图像处理基础]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/104455885</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/104455885</guid><author>Potattto</author><pubDate>Sun, 23 Feb 2020 11:13:44 +0800</pubDate><description><![CDATA[目录1. PIL-Python图像库1.1 图像灰度处理代码实现运行结果1.2 调整尺寸及旋转代码实现运行结果2. Matplotlib库2.1 画图、描点和线代码实现运行结果2.2 图像轮廓和直方图代码实现运行结果3. NumPy库3.1 灰度变换代码实现运行结果3.2 直方图均衡化代码实现运行结果4. SciPy模块4.1 高斯模糊代码实现运行结果
1. PIL-Python图像库
1.1 图...]]></description><category></category></item><item><title><![CDATA[粒子群优化算法]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/103367017</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/103367017</guid><author>Potattto</author><pubDate>Tue, 03 Dec 2019 21:41:53 +0800</pubDate><description><![CDATA[一、蚁群算法概念
粒子群优化算法(PSO：Particle swarm optimization) 是一种进化计算技术。源于对鸟群捕食的行为研究。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解．
粒子群优化算法的优势：在于简单容易实现并且没有许多参数的调节。目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。
二、蚁群算法分析
1.基本思想...]]></description><category></category></item><item><title><![CDATA[遗传算法解决TSP问题]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/103142991</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/103142991</guid><author>Potattto</author><pubDate>Tue, 19 Nov 2019 21:26:18 +0800</pubDate><description><![CDATA[一、遗传算法简介
1.遗传算法的概述
遗传算法的基本思想是从初始种群出发，采用优胜劣汰、 适者生存的自然法则选择个体，并通过杂交、变异来产生新 一代种群，如此逐代进化，直到满足目标为止。遗传算法所 涉及到的基本概念主要有以下几个：
• 种群（Population）：种群是指用遗传算法求解问题时， 初始给定的多个解的集合。遗传算法的求解过程是从这个子 集开始的。
•个体（Individual）：个体...]]></description><category></category></item><item><title><![CDATA[遗传算法]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/103052853</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/103052853</guid><author>Potattto</author><pubDate>Wed, 13 Nov 2019 21:51:16 +0800</pubDate><description><![CDATA[一、遗传算法简介
1.实现
在计算机上模拟生物的进化过程和基因的操作（选择、 交叉、变异）。
2.目的
（1）抽象和严谨地解释自然界的适应过程；
（2）将自然生物系统的重要机理运用到人工系统的设计中。
3.遗传算法概述
遗传算法的基本思想是从初始种群出发，采用优胜劣汰、 适者生存的自然法则选择个体，并通过杂交、变异来产生新 一代种群，如此逐代进化，直到满足目标为止。遗传算法所 涉及到的基本概念主要...]]></description><category></category></item><item><title><![CDATA[蚁群算法——旅行商问题（TSP）优化]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/102916139</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/102916139</guid><author>Potattto</author><pubDate>Tue, 05 Nov 2019 17:22:20 +0800</pubDate><description><![CDATA[代码：
%% 旅行商问题(TSP)优化
%% 清空环境变量
clear all
clc

%% 导入数据
load citys_data.mat

%% 计算城市间相互距离
fprintf('Computing Distance Matrix... \n');
n = size(citys,1);
D = zeros(n,n);
for i = 1:n
    for j = 1:n
      ...]]></description><category></category></item><item><title><![CDATA[模糊C-means聚类算法和K-means聚类算法]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/102904584</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/102904584</guid><author>Potattto</author><pubDate>Mon, 04 Nov 2019 21:14:55 +0800</pubDate><description><![CDATA[一、模糊C-means聚类算法
1.简介
模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。
2. 模糊C-means聚类应用背景
传统的聚类分析是一种硬划分（Cris...]]></description><category></category></item><item><title><![CDATA[模糊控制器设计]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/102682793</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/102682793</guid><author>Potattto</author><pubDate>Tue, 22 Oct 2019 15:14:27 +0800</pubDate><description><![CDATA[一、代码
%模糊控制器设计
a=newfis('fuzzf');                   %创建新的模糊推理系统

%输入1
f1=1; 
a=addvar(a,'input','e',[-5*f1,5*f1]);                   
 %添加 e 的模糊语言变量
a=addmf(a,'input',1,'NB','zmf',[-5*f1,-3*f1]);      ...]]></description><category></category></item><item><title><![CDATA[感知器神经网络与BP神经网络]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/101561013</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/101561013</guid><author>Potattto</author><pubDate>Sun, 29 Sep 2019 15:42:49 +0800</pubDate><description><![CDATA[感知器神经网络
一、感知器定义
感知器是一种前馈人工神经网络，是人工神经网络中的一种典型结构。感知器具有分层
结构，信息从输入层进入网络，逐层向前传递至输出层。根据感知器神经元变换函数、隐层
数以及权值调整规则的不同，可以形成具有各种功能特点的人工神经网络
二、感知器模型

三、相关代码的实现
1.感知器神经网络的构建
% 1. 感知器神经网络的构建
% 1.1  生成网络
net=newp([0...]]></description><category></category></item><item><title><![CDATA[K-means聚类算法]]></title><link>https://blog.youkuaiyun.com/Potattto/article/details/100862223</link><guid>https://blog.youkuaiyun.com/Potattto/article/details/100862223</guid><author>Potattto</author><pubDate>Sun, 15 Sep 2019 20:30:46 +0800</pubDate><description><![CDATA[一、定义
k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可...]]></description><category></category></item></channel></rss>