<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Vast_Sea的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Vast_Sea</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Vast_Sea]]></copyright><item><title><![CDATA[Saliency]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8505873</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8505873</guid><author>Vast_Sea</author><pubDate>Tue, 15 Jan 2013 15:15:48 +0800</pubDate><description><![CDATA[ssssssssssssssssssssssssssssssssssssssss






AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA]]></description><category></category></item><item><title><![CDATA[背景建模与前景检测]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197445</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197445</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 22:16:26 +0800</pubDate><description><![CDATA[From:  http://www.cnblogs.com/xrwang/default.html?page=2]]></description><category></category></item><item><title><![CDATA[基于特征的图像配准方法]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197429</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197429</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 22:11:29 +0800</pubDate><description><![CDATA[From: 基于特征的图像配准方法


                      基于特征的图像配准过程




(1) 特征空间
基于特征的配准方法在进行图像预处理从图像中提取所选的特征之前，要先确定特征空间。通常，特征空间的选择要考虑下面五个因素。
① 相似性：参考图像与待配准图像中要匹配的特征应该是同类型的，且具有某种不变性；
② 唯一性：从待配准两图像中提取的匹配特]]></description><category></category></item><item><title><![CDATA[线性规划 +++ 动态规划]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197390</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197390</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 21:58:04 +0800</pubDate><description><![CDATA[From:]]></description><category></category></item><item><title><![CDATA[图像拼接的基本流程及关键技术]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197311</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197311</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 21:57:10 +0800</pubDate><description><![CDATA[From： 遥感图像拼接研究


图像拼接的基本流程



(1) 图像预处理：对原始图像进行直方图匹配、平滑滤波、增强变换等数字图像
处理的基本操作，为图像拼接的下一步作好准备。
(2) 图像配准：图像配准是整个图像拼接流程的核心，配准的精度决定了图像的拼接质量。其基本思想是：首先找到待配准图像与参考图像的模板或特征点的对应位置，然后根据对应关系建立参考图像与待配准图像之间的转]]></description><category></category></item><item><title><![CDATA[图像的变换模型]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197181</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8197181</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 20:53:58 +0800</pubDate><description><![CDATA[From:  遥感图像拼接算法研究










            







1 刚体变换







2  仿射变换




3  投影变换
      投影变换（Projective Transformation）是指变换过程中，图像中的直线只保持“平




4  非线性变换]]></description><category></category></item><item><title><![CDATA[图像分割___图像分割方法综述]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8196507</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8196507</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 17:00:16 +0800</pubDate><description><![CDATA[From:  变分方法与模糊聚类在图像分割中的应用研究


这里主要简单介绍几类经典的方法:


基于边缘检测的方法
基于边缘检测的方法主要是通过检测出区域的边缘来进行分割，利用区域之间特征的不一致性，首先检测图像中的边缘点，然后按一定策略连接成闭合的曲线，从而构成分割区域。图像中的边缘通常是灰度、颜色或纹理等性质不连续的地方。对于边缘的检测，经常需要借助边缘检测算子来进行，其中常用]]></description><category></category></item><item><title><![CDATA[图像特征检测(Image Feature Detection)]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8196420</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8196420</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 15:24:41 +0800</pubDate><description><![CDATA[前言
    图像特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。本文主要探讨如何提取图像中的“角点”这一特征，及其相关的内容。而诸如直方图、边缘、区域等内容在前文中有所提及，请查看相关文章。OpenCv（EmguCv）中实现了多种角点特征的提取方法，包括：Harris角点、ShiTomasi角点、亚像素级角点、SURF角点、St]]></description><category></category></item><item><title><![CDATA[图像分割___2]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8196346</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8196346</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 15:00:24 +0800</pubDate><description><![CDATA[From: http://www.cnblogs.com/xrwang/archive/2010/02/28/ImageSegmentation.html


前言
    图像分割指的是将数字图像细分为多个图像子区域的过程，在OpenCv中实现了三种跟图像分割相关的算法，它们分别是：分水岭分割算法、金字塔分割算法以及均值漂移分割算法。它们的使用过程都很简单，下面的文章权且用于记录，并使该]]></description><category></category></item><item><title><![CDATA[图像分割___1]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8196203</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8196203</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 14:28:29 +0800</pubDate><description><![CDATA[From: http://hi.baidu.com/eznanke/item/2ed793a4be63a93a020a4d11




一 图象分割定义
    图象分割：将图象表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图象中的目标，背景进行标记、定位，然后将目标从背景或其他伪目标中分离出来。

二 图象分割的研究现状
     图象分割是图象处理中的]]></description><category></category></item><item><title><![CDATA[验证码的识别]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8195725</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8195725</guid><author>Vast_Sea</author><pubDate>Sun, 18 Nov 2012 10:36:29 +0800</pubDate><description><![CDATA[From: http://baike.baidu.com/view/1201983.htm




验证码的作用： 有效防止某个黑客对某一个特定注册用户用特定程序暴力破解方式进行不断的登陆尝试，实际上是用验证码是现在很多网站通行的方式（比如招商银行的网上个人银行，腾讯的QQ社区），我们利用比较简易的方式实现了这个功能。虽然登陆麻烦一点，但是对网友的密码安全还来说这个功能还是很有必要，也很]]></description><category></category></item><item><title><![CDATA[FIR滤波器]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8194814</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8194814</guid><author>Vast_Sea</author><pubDate>Sat, 17 Nov 2012 21:53:13 +0800</pubDate><description><![CDATA[From： http://zaazbb.blog.163.com/blog/static/16897855920095205945813/


FIR滤波器设计中常用的窗函数
:  矩形窗、三角窗，汉宁窗，汉明(Ham-ming)窗.




FIR滤波器 
Part 1: Basics 
1.1 什么是FIR滤波器? 
FIR 滤波器是在数字信号处理(DSP)中经常使用的]]></description><category></category></item><item><title><![CDATA[数字图像处理中常用的插值方法]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8194722</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8194722</guid><author>Vast_Sea</author><pubDate>Sat, 17 Nov 2012 21:33:25 +0800</pubDate><description><![CDATA[From： http://blog.youkuaiyun.com/coy_wang/article/details/5027872


常用的插值方法有：最近邻插值、双线性插值、三次卷积法。

在做数字图像处理时，经常会碰到小数象素坐标的取值问题，这时就需要依据邻近象素的值来对该坐标进行插值。比如：做地图投影转换，对目标图像的一个象素进行坐标变换到源图像上对应的点时，变换出来的对应的坐标是一个小数，]]></description><category></category></item><item><title><![CDATA[边缘检测算子]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193333</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193333</guid><author>Vast_Sea</author><pubDate>Sat, 17 Nov 2012 11:17:34 +0800</pubDate><description><![CDATA[一阶: Roberts Cross算子, Prewitt算子, Sobel算子, Canny算子， 罗盘算子
二阶: Marr-Hildreth, 在梯度方向的二阶导数过零点。


Roberts算子
     Roberts算子是一种利用局部差分算子寻找边缘的算子，它有下式给出：



    Roberts算子是2X2算子模板。图1所示的2个卷积核形成了Roberts算子。图]]></description><category></category></item><item><title><![CDATA[图像处理笔试题]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193282</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193282</guid><author>Vast_Sea</author><pubDate>Sat, 17 Nov 2012 10:58:50 +0800</pubDate><description><![CDATA[From:  http://blog.youkuaiyun.com/qiongguishanglu/article/details/7234004




索贝公司笔试题：图像处理算法工程师
一、填空：
1、常用的插值方法有：最近邻插值、双线性插值、立方卷积插值。
2、常用的边缘检测算子有：一阶: Roberts Cross算子, Prewitt算子, Sobel算子, Canny算子， 罗盘]]></description><category></category></item><item><title><![CDATA[边缘检测]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193249</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193249</guid><author>Vast_Sea</author><pubDate>Sat, 17 Nov 2012 10:48:43 +0800</pubDate><description><![CDATA[边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。


检测边缘不是一个平凡的问题

如果将边缘认为是一定数量点亮度发生变化的地]]></description><category></category></item><item><title><![CDATA[图像噪声]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193100</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193100</guid><author>Vast_Sea</author><pubDate>Sat, 17 Nov 2012 10:18:57 +0800</pubDate><description><![CDATA[噪声在理论上可以定义为/不可预测, 只能用概率统计方法来描述的随机误差0".
因此,可以将图像噪声看成是多维随机过程, 描述噪声完全可以借用随机过程及其概率密度函数".


数字图像的噪声主要来源于图像的获取和传输过程[.]"图像传感器的工作情况受各种因素影响,
如图像获取中的环境条件和传感元器件自身的质量"图像在传输过程中主要由于所用的传输信道的干扰受到噪声污染".


椒盐噪声]]></description><category></category></item><item><title><![CDATA[图像处理___细化]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193043</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193043</guid><author>Vast_Sea</author><pubDate>Sat, 17 Nov 2012 09:37:21 +0800</pubDate><description><![CDATA[From:  http://www.dakaren.com/index.php/archives/199.htm



二、细化
　　图像处理中物体的形状信息是十分重要的，为了便于描述和抽取图像特定区域的特征，对那些表示物体的区域通常需要采用细化算法处理，得到与原来物体区域形状近似的由简单的弧或曲线组成的图形，这些细线处于物体的中轴附近，这就是所谓的图像的细化。通俗的说图像细化就是从原来]]></description><category></category></item><item><title><![CDATA[图像特征提取]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193033</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193033</guid><author>Vast_Sea</author><pubDate>Sat, 17 Nov 2012 09:32:26 +0800</pubDate><description><![CDATA[From:  http://www.cnblogs.com/xiangshancuizhu/archive/2012/03/11/2390563.html


特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。


特征的定义]]></description><category></category></item><item><title><![CDATA[数字图像去噪典型算法及matlab实现]]></title><link>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193010</link><guid>https://blog.youkuaiyun.com/Vast_Sea/article/details/8193010</guid><author>Vast_Sea</author><pubDate>Sat, 17 Nov 2012 09:21:26 +0800</pubDate><description><![CDATA[From:  http://www.cnblogs.com/xiangshancuizhu/archive/2011/01/04/1925276.html



图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）]]></description><category></category></item></channel></rss>