<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ha_lee的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ha_lee</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ha_lee]]></copyright><item><title><![CDATA[java八股文补充]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/126699464</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/126699464</guid><author>ha_lee</author><pubDate>Fri, 04 Aug 2023 13:39:51 +0800</pubDate><description><![CDATA[当I/O操作真正完成之后，会通知用户线程，用户线程只需要处理读取的数据即可，不需要实际的I/O操作，真正的I/O读写已经由内核完成了。但是，凡事都有一个度，如果对同一个锁不停的进行请求、同步和释放，其本身也会消耗系统宝贵的资源，反而不利于性能的优化，此时粗化反而会提升性能。：将大对象（这个对象可能会被很多线程访问），拆成小对象，大大增加并行度，降低锁竞争。：最常见的锁分离就是读写锁ReadWriteLock，根据功能进行分离成读锁和写锁，这样读读不互斥，读写互斥，写写互斥，即保证了线程安全，又提高了性能。]]></description><category></category></item><item><title><![CDATA[《Image Registration Techniques: A Survey》论文解读]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/122449016</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/122449016</guid><author>ha_lee</author><pubDate>Fri, 04 Aug 2023 13:39:07 +0800</pubDate><description><![CDATA[摘要
图像配准是参考特定图像，将同一场景的两个或多个图像对齐的过程。图像配准可应用于医学、遥感和计算机视觉。 本文详细回顾了几种方法，并根据它们的贡献和缺点进行了相应分类。 还讨论了图像配准过程的主要步骤，提出了不同的性能指标来确定配准质量和准确性，以及提出了未来研究的范围。
关键词——图像配准、分类、贡献、缺点、性能指标、配准质量、准确性、未来研究。
一、引言
图像配准： 被解释为将同一场景的两个或多个图像相对于特定参考图像叠加的过程。图像的来源可以是各种环境（时间点 time-points），可以是各种]]></description><category></category></item><item><title><![CDATA[《Multi-modal and Multi-spectral Registration for Natural Images》论文解读]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/123824574</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/123824574</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:52:58 +0800</pubDate><description><![CDATA[摘要
由于计算机视觉和的相机的发展，图像现在有彩色、近红外、深度等形式。 然而，他们的跨模式通信建立却被抛在了后面。 考虑到这些图像集中可能存在的结构变化，我们解决了这个具有挑战性的密集匹配问题，并引入了新的模型和解决方案。
我们的主要贡献包括设计名为鲁棒选择性归一化互相关 (RSNCC) 的描述符以在输入图像中建立密集像素对应关系，并提出其数学参数化以使优化易于处理。 还建立了一个包括全局和局部匹配阶段的计算鲁棒框架。
我们构建了一个多模态数据集，包括带有标记稀疏对应的自然图像。 我们的方法将有利于需要精]]></description><category></category></item><item><title><![CDATA[《Algorithms for Subpixel Registration》论文解读]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/122474585</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/122474585</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:52:33 +0800</pubDate><description><![CDATA[摘要
本文分析了四种能以亚精确度重新排列图像的算法，分别是相关插值（correlation interpolation）、强度插值（intensity interpolation）、微分方法（differential method）和相位相关（phase correlation）。详细介绍了亚像素配准问题。影响配准的主要因素是插值函数，采样频率，每个像素的位数，图像的灰度范围(?)（frequency content）。还介绍了强度插值的迭代版本，比直接强度插值快一万倍以上。使用双线性插值，实现0.01到0]]></description><category></category></item><item><title><![CDATA[matlab学习笔记]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/118723198</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/118723198</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:52:04 +0800</pubDate><description><![CDATA[一、序言
1. 图像的输入输出和显示
f=imread("test.png");
f=rgb2gray(f);%rgb图像转化为灰度图像
imshow(f);
imwrite(f,"result.jpg","quality",50);%50代表jpg形式压缩质量0-100

2. matlab支持的四种图像类别

灰度级图像(Gray-scale images)
当灰度级图像是uint8或者uint16类型时，分别具有[0,255]和[0,65535]的整数值
二值图像(Binary images)
矩阵元]]></description><category></category></item><item><title><![CDATA[《Review of remote sensing image registration techniques》论文解读]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/122498893</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/122498893</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:50:59 +0800</pubDate><description><![CDATA[一、引言
图像配准四个步骤：预处理、特征提取、特征匹配、变换模型求解和图像重采样[3]
本文将传统和最新的遥感技术分为四类：基于区域、基于特征、基于混合模型、基于物理模型的配准。

二、遥感图像配准方法
2.1 基于区域的配准（模板匹配）
概念：利用图像的灰度信息，建立两幅图像之间的相似性度量，然后采用某种搜索算法寻找最佳匹配并求得变换模型的参数，以达到配准的目的。
基于图像域：互相关法【4】、最大互信息法【5】、最大似然匹配法【6】、序列相似性检测法【7】
基于频域：快速傅里叶变换的相位相关法【8-9】、]]></description><category></category></item><item><title><![CDATA[基于线特征的图像配准]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/122986679</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/122986679</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:50:52 +0800</pubDate><description><![CDATA[一、线特征提取
1.1 模板线检测
使用模板在一幅图像上移动，他会对特定方向上的（一个像素宽）线响应强烈。下面是常见检测模板：

1.2 边缘检测
边缘检测的基本思想是使用如下两个准则之一找到图像中快速变换的位置：
1. 寻找灰度的一阶导数的幅值大于某个阈值的位置
2. 寻找灰度的二阶导数有零交叉的位置
matlab提供的函数：[g,t]=edge(f,'method',paramters)
1.2.1 Sobel边缘检测器
检测器模板：

matlab函数：[g,t]=edge(f,'sobel',T,d]]></description><category></category></item><item><title><![CDATA[《Normalized Total Gradient: A New Measure for Multispectral Image Registration》论文解读]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/122585119</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/122585119</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:50:42 +0800</pubDate><description><![CDATA[摘要
对于多光谱相机，不同波段图像之间可能存在本质差异，局部对比度不一致甚至相反。常规办法可以将图像与不同的区域强度水平对齐，但是局部强度严重变化的情况可能失败。本文提出一种归一化总梯度的新方法，用于多光谱图像配准。该方法基于关键假设（key assumption），即对齐的波段图像之间的差异梯度比两个未对齐的图像之间的梯度更稀疏。进一步介绍了一种结合了图像金字塔和全局/局部优化的配准框架用于仿射变换。
索引词——多光谱图像、多模态图像、图像配准、波段图像、相似性度量、图像梯度、归一化总梯度、仿射变换、图像]]></description><category></category></item><item><title><![CDATA[基于灰度的图像匹配]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/122949085</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/122949085</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:50:34 +0800</pubDate><description><![CDATA[一、基于灰度的模板匹配
参考文章：https://blog.youkuaiyun.com/hujingshuang/article/details/47759579
1.1 MAD算法
平均绝对差算法（Mean Absolute Differences，简称MAD算法）。它是Leese在1971年提出的一种匹配算法。算法的思想简单，具有较高的匹配精度。
算法思路： 选模板Rm×nR_{m×n}Rm×n​，从搜索图SM×NS_{M×N}SM×N​左上角像素开始在(M−m,N−n)(M-m,N-n)(M−m,N−n)的范围]]></description><category></category></item><item><title><![CDATA[矩阵最小二乘法问题求解]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/122927863</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/122927863</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:50:23 +0800</pubDate><description><![CDATA[一、超定方程组
超定方程组是指方程个数大于未知量个数的方程组。对于方程组Ax=bAx=bAx=b，AAA为n×m矩阵，如果R列满秩，且n&gt;m。则方程组没有精确解，此时称方程组为超定方程组。
在实验数据处理和曲线拟合问题中，求解超定方程组非常普遍。比较常用的方法是最小二乘法。
如果有向量xxx使得下式的值达到最小，则称 xxx为上述超定方程的最小二乘解。
二、矩阵形式的最小二乘法
最小二乘法问题：
E(x)=∥Ax−b∥2
E(\mathbf{x})=\|\mathbf{A} \mathbf{x}-\m]]></description><category></category></item><item><title><![CDATA[《Deep Image Homography Estimation》文献阅读]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/127209534</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/127209534</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:49:27 +0800</pubDate><description><![CDATA[提出了一种深度卷积神经网络，用于估计一对图像之间的相对单应性。我们的前馈网络有10层，以两个叠加的灰度图像作为输入，并产生一个8自由度单应，可用于将像素从第一个图像映射到第二个图像。我们提出了HomographyNet的两种卷积神经网络结构：一种是直接估计实值单应性参数的回归网络，另一种是产生量化单应性分布的分类网络。我们使用4点单应参数化，将一幅图像的四个角映射到第二幅图像。我们的网络使用扭曲的MS-COCO图像进行端到端的训练。我们的方法不需要单独的局部特征检测和变换估计阶段。]]></description><category></category></item><item><title><![CDATA[《Unsupervised Deep Homography: A Fast and Robust Homography Estimation Model》文献阅读]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/127227096</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/127227096</guid><author>ha_lee</author><pubDate>Tue, 09 May 2023 11:48:27 +0800</pubDate><description><![CDATA[单应性是一个平面的两个图像之间从不同角度的映射。它们在机器人和计算机视觉应用中发挥着重要作用，例如图像拼接[1]、单目SLAM[2]、3D相机姿势重建[3]和虚拟漫游[4]、[5]。例如，单形文字适用于由任意移动摄像机远距离观看的场景[6]，这是UA V图像中遇到的情况。然而，要在空中多机器人环境中良好工作，单应性估计算法需要可靠和快速。单应性估计的两种传统方法是直接方法和基于特征的方法[7]。]]></description><category></category></item><item><title><![CDATA[matlab图像处理常用功能以及函数]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/129093539</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/129093539</guid><author>ha_lee</author><pubDate>Fri, 17 Feb 2023 21:59:20 +0800</pubDate><description><![CDATA[在工作学习中，常常会遇到图像处理相关的任务，这些任务可能包括灰度处理、形状识别等，MATLAB相比于OpenCV等图像处理库更容易操作，然而很多函数用的时候半天想不起来，此处是在忙完项目后偷闲对任务中用到的一些方法进行记录，方便以后查找使用。]]></description><category></category></item><item><title><![CDATA[LeetCode刷题（13）]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/126611494</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/126611494</guid><author>ha_lee</author><pubDate>Fri, 09 Sep 2022 23:39:59 +0800</pubDate><description><![CDATA[LeetCode一些复杂的数据结构问题]]></description><category></category></item><item><title><![CDATA[JAVA设计模式]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/126530279</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/126530279</guid><author>ha_lee</author><pubDate>Sat, 03 Sep 2022 18:10:05 +0800</pubDate><description><![CDATA[常见的几种设计模式]]></description><category></category></item><item><title><![CDATA[LeetCode刷题（12）]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/126456371</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/126456371</guid><author>ha_lee</author><pubDate>Tue, 30 Aug 2022 10:20:35 +0800</pubDate><description><![CDATA[LeetCode树相关题目]]></description><category></category></item><item><title><![CDATA[深入理解JVM笔记]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/126479696</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/126479696</guid><author>ha_lee</author><pubDate>Thu, 25 Aug 2022 22:29:20 +0800</pubDate><description><![CDATA[JVM相关知识笔记]]></description><category></category></item><item><title><![CDATA[LeetCode刷题（11）]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/126413576</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/126413576</guid><author>ha_lee</author><pubDate>Sun, 21 Aug 2022 21:59:15 +0800</pubDate><description><![CDATA[LeetCode链表相关题目]]></description><category></category></item><item><title><![CDATA[MySQL数据库相关笔记]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/126343382</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/126343382</guid><author>ha_lee</author><pubDate>Thu, 18 Aug 2022 20:05:10 +0800</pubDate><description><![CDATA[深入理解MySQL]]></description><category></category></item><item><title><![CDATA[LeetCode刷题（10）]]></title><link>https://blog.youkuaiyun.com/ha_lee/article/details/126353044</link><guid>https://blog.youkuaiyun.com/ha_lee/article/details/126353044</guid><author>ha_lee</author><pubDate>Wed, 17 Aug 2022 22:45:38 +0800</pubDate><description><![CDATA[LeetCode字符串相关问题]]></description><category></category></item></channel></rss>