计算机视觉和模式识别

先定义两个矩阵a = [1 2 3 5 ; 4 7 9 5;1 4 6 7;5 4 3 7;8 7 5 1] %a矩阵取5*4b = [1 5 4; 3 6 8; 1 5 7]   %b矩阵如多数模板一样取3*3那么conv(a,b)的结果肯定是（5+3-1）*（4+3-1）=7*6的矩阵卷积计算过程如下：默认先把a矩阵补0变成7*6维的矩阵，然后b翻转 之后进行模板操作，要计算a

1、VALSE 视觉与学习青年学者研讨会

l1-ls,主页低秩和稀疏 Ma Yi

搜集了很多人脸识别领域的大牛和研究组 http://cvchina.net/post/96.html

PolyU Palmprint

总结 这里应该有假设a b的尺寸分别为 ha *wa hb*wb imfilt(a,b,'conv','same') = conv2(a,b,'same')=现将a、b扩充成 a(ha+hb-1,wa+wb-1)=0;   b(ha+hb-1,wa+wb-1)=0;然后执行 ifft2(fft2(a).*fft2(b)) 之后在其中找到与a维数匹配的矩阵 应该是从floor(hb/

首先定义两个矩阵>> a = [1 2 3 5 ; 4 7 9 5;1 4 6 7;5 4 3 7;8 7 5 1] %a矩阵取5*4b = [1 5 4; 3 6 8; 1 5 7]   %b矩阵如多数模板一样取3*3然后定义一个高斯模板>> gaussian=fspecial('gaussian',3,1.8)gaussian =    0.0997    0.11

首先我们看一下用 fspecial生成的一个标准差为1.8，大小为3*3的高斯模板矩阵>> fspecial('gaussian',3,1.8)ans =    0.0997    0.1163    0.0997    0.1163    0.1358    0.1163    0.0997    0.1163    0.0997然后我们看一下用mat

S.G. Narasimhan and S.K. Nayar， 多幅图像（同一场景不同时间、天气）去雾 主页NASA， Retinex理论增强，主页。 Ana Belén Petro总结了NASA的Retinex理论，源代码，不过不是matlab版本的。Kopf，Deep Photo: Model-Based Photograph Enhancement and Viewing，3D场景去雾