Siny备忘录

    最近也注意一些图像拼接方面的文章，很多很多，尤其是全景图拼接的，实际上类似佳能相机附加的软件，好多具备全景图拼接，多幅图像自动软件实现拼接，构成（合成）一幅全景图像（风景）。Sift算法，我略知一二，无法仔细描述（刚也贴了2个最近的资料）。      当就尺度空间（scale space),我想，其在计算机视觉（Computer Vision)/图像的多分辨率分析（尤其近年来小波的多分

废话：      如果你像我一样没有想搞图像的一本书从头看到尾（其实也没几个人能从头看到尾的，很多都是拿MatLAB扯扯淡！）的话，在SIFT算法的资料里出现的很多概念可能是你理解的障碍！因为觉得有必要说一下，希望这样会给一些像我一样没什么基础的人一些帮助！如果一下当中有的你知道了你可以跳过去呵呵！也有可能有些概念我解释的不是很对，也希望您的指正！基本概念：降采样：对于一幅图像而言的降

结合这周看的论文,我对这周研究的Histogram of oriented gradients(HOG)谈谈自己的理解：HOG descriptors 是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值。这种方法跟边缘方向直方图（edge orientation histograms）、尺度不变特征变换（scale-invarian

SIFT featuresScale Invariant Feature Transform (SIFT) is an approach for detecting and extracting local feature descriptors that are reasonably invariant to change in illumination, image noise, rota

一、二维卷积运算Gabor变换的本质实际上还是对二维图像求卷积。因此二维卷积运算的效率就直接决定了Gabor变换的效率。在这里我先说说二维卷积运算以及如何通过二维傅立叶变换提高卷积运算效率。在下一步分内容中我们将此应用到Gabor变换上，抽取笔迹纹理的特征。1、离散二维叠加和卷积关于离散二维叠加和卷积的运算介绍的书籍比较多，我这里推荐William K. Pratt著，邓鲁华 张延恒

通过昨天的学术报告，觉得自己对这两个基本的概念还有些模糊，于是查询了相关的一些资料：1.关于小波变换：           一种多分辨率分析工具，为不同尺度上信号的的分析和表征提供了精确和统一框架。它的原理是来源于Fourier变换！但是它比传统的Fourier变换有更多优点，比如：1）小波变换可以覆盖整个频域；2)可以通过选取合适滤波器，减少或除去提取的不同特征之间的相关性；3)

       PCA是主成分分析，主要用于数据降维，对于一系列sample的feature组成的多维向量，多维向量里的某些元素本身没有区分性，比如某个元素在所有的sample中都为1，或者与1差距不大，那么这个元素本身就没有区分性，用它做特征来区分，贡献会非常小。所以我们的目的是找那些变化大的元素，即方差大的那些维，而去除掉那些变化不大的维，从而使feature留下的都是“精品”，而且计算量也变小