<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[理工喵星人扮文艺]]></title><description><![CDATA[感觉大学四年都没怎么努力的，现在为时未晚，加油吧少年\(^o^)/~]]></description><link>https://blog.youkuaiyun.com/joemell</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; joemell]]></copyright><item><title><![CDATA[图像识别技术浅析]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25901205</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25901205</guid><author>joemell</author><pubDate>Thu, 15 May 2014 17:02:24 +0800</pubDate><description><![CDATA[[简要]1、概述自动图像识别系统的过程分为五部分：图像输入、预处理、特征提取、分类和匹配，其中预处理又可分为图像分割、图像增强、二值化和细化等几个部分。（1）图像输入将图像采集下来输入计算机进行处理是图像识...

1、概述
自动图像识别系统的过程分为五部分：图像输入、预处理、特征提取、分类和匹配，其中预处理又可分为图像分割、图像增强、二值化和细化等几个部分。
（1）图像输入
将图像采集]]></description><category></category></item><item><title><![CDATA[图像几何变换（缩放、旋转）中的插值算法]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25900519</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25900519</guid><author>joemell</author><pubDate>Thu, 15 May 2014 16:54:10 +0800</pubDate><description><![CDATA[图像几何变换（缩放、旋转）中的插值算法
矩网智慧 
2013-01-29 22:27:56



[简要]给出了图像几何变换（缩放、旋转）中的插值算法，包括最邻近插值（近邻取样法）、三次卷积法和双线性内插值算法。

实践已证明，插值算法对于缩放比例较小的情况是完全可以接受的，令人信服的。一般的，缩小0.5倍以上或放大3.0倍以下，对任何图像都是可以接受的。
最邻近插值（近邻取样法]]></description><category></category></item><item><title><![CDATA[图像配准]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25702427</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25702427</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:49:20 +0800</pubDate><description><![CDATA[图像配准是对取自不同时间、不同传感器或者不同视角的同一场景的两幅图像或者多幅图像匹配的过程，它被广泛地应用在遥感图像、医学影像、三维重构、机器人视觉等诸多领域中.而匹配就是在一幅大图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法可以在图中找到目标，确定其坐标位.利用模板匹配可以在一幅图像中找到已知的物体.比如抓拍到了一张射门的照片，要在该照片中找到足球]]></description><category></category></item><item><title><![CDATA[图像分割方法综述]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25702221</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25702221</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:47:26 +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，其中常用的边缘检测算子包括[3]：Ro]]></description><category></category></item><item><title><![CDATA[SIFT算法的应用--目标识别之Bag-of-words模型]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25701835</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25701835</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:33:54 +0800</pubDate><description><![CDATA[经典算法研究系列：九、SIFT算法研究
作者:July、二零一一年二月十五日。
推荐阅读：
David G. Lowe, "Distinctive image features from scale-invariant keypoints,"

International Journal of Computer Vision, 60, 2 (2004), pp. 91-110
----]]></description><category></category></item><item><title><![CDATA[计算机视觉大牛&图像处理收集数据库整理]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25701673</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25701673</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:29:05 +0800</pubDate><description><![CDATA[[论坛按] 发帖人转载自：http://doctorimage.cn/2013/01/01/cv-intro-niubility/#6481970-qzone-1-83120-80417069b226f89a8531d1742d53942d ，原标题为“CV牛人牛事简介”。此列表并不全面，还有很多牛人没有给出，所以仅供参考，不代表本站观点。本站拟计划根据同行反馈进一步完善此列表，以后将推出“之二”]]></description><category></category></item><item><title><![CDATA[SIFT和SURF特征提取分析比较(小结篇)]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25701419</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25701419</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:27:25 +0800</pubDate><description><![CDATA[引言

本节主要是David Lowe对于SIFT算法的阐述Distinctive Image Features from Scale-Invariant Keypoints和Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool, 对于SURF算法的阐述以及小结。
SIFT特征提取小结

根据LOWE的文章(更为SIFT特征提取]]></description><category></category></item><item><title><![CDATA[图像局部特征性质的概述 LPB特征分析]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25701241</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25701241</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:20:06 +0800</pubDate><description><![CDATA[介绍
局部特征一般包含图像中的部分空间范围，与传统意义上的分割不同。局部特征的边界和图像颜色/纹理变化并同有直接的对应关系。在理想情况下，我们总是期待局部特征对应的是客观世界中物体一部分，而在实际情况中是不现实地，这往往我们需要借助于图像处理中对高层场景的理解。介绍图像局部特征的性质。
基本性质

一般地，图像局部特征应具有下列性质。
第一、可重复性。即同一个特体在不同的视角下，两幅图像]]></description><category></category></item><item><title><![CDATA[Hough变换直线检测]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25701171</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25701171</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:15:58 +0800</pubDate><description><![CDATA[背景引言
在图像处理中，如果图像由已知形状和大小的物体组成，需要找出物体的形状的问题。在解决这些问题的许多可能方法中，一种是在图像中移动一个合适形状和大小的掩模，寻找图像与掩模的相关性，因由于形状变形，旋转、缩放等原因，特殊的掩模常常与在特处于是的数据中特体的表示相差太大。一种非常有效的解决问题的方法是Hough变换，本节中介绍Hough变换直线检测原理和相关知识。

基本介绍
霍夫变换(]]></description><category></category></item><item><title><![CDATA[位图数据　ＢＭＰ图像基础概念]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25700875</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25700875</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:13:38 +0800</pubDate><description><![CDATA[像素位深度是指每个像素所用的位数(bit),像素位深度决定了彩色图像的每个像素可能有的颜色数，或者确定灰度图像的每个像素可能有的灰度级数。例如，一幅彩色图像的每个像素用R、G、B三个分量来表示，若每个分量用8位，那么一个像素共用24位表示，就说像素的深度为24位，每个像素可以是224,即16777216〔千万级〕种颜色中的一种。在这个意义上，
 往往把像素的位深度说成是图像深度。表示一个像素的位]]></description><category></category></item><item><title><![CDATA[傅里叶变换]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25700579</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25700579</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:06:27 +0800</pubDate><description><![CDATA[引言
由于图像处理关心的是采样后的数据，我们需要可以处理这些数据的一种傅里叶变换。傅里叶分析可以分析不同滤波器的频率特征。本节，我们将阐述如何通过傅里叶分析认识图像的频率信息。

基本理论
对于一个给定的滤波器，如果使用正弦信号s(x)和脉冲响应为h(x)的滤波器进行卷积后，我们可以得到另一个频率相





同但幅度A 和相位φ 不同的正弦波 ,ο(x) =h(x)*s(x)]]></description><category></category></item><item><title><![CDATA[VC++BUG调试]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25700489</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25700489</guid><author>joemell</author><pubDate>Tue, 13 May 2014 12:03:09 +0800</pubDate><description><![CDATA[概述

　　调试是一个程序员最基本的技能，其重要性甚至超过学习一门语言。不会调试的程序员就意味着他即使会一门语言，却不能编制出任何好的软件。

　　这里我简要的根据自己的经验列出调试中比较常用的技巧，希望对大家有用。

　　本文约定，在选择菜单时，通过/表示分级菜单，例如File/Open表示顶级菜单File的子菜单Open。
 
　　设置

　　为了调试一个程序，首先必须使程]]></description><category></category></item><item><title><![CDATA[特征提取相关概念]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25699853</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25699853</guid><author>joemell</author><pubDate>Tue, 13 May 2014 11:59:38 +0800</pubDate><description><![CDATA[网上发现一篇不错的文章，是关于图像特征提取的，给自己做的项目有点类似，发出来供大家参考。
       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 

        至今为止特征没有万能和精确的定义。特]]></description><category></category></item><item><title><![CDATA[DLL文件   VC++&Matlab混合编程（ 调用DLL）]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25698789</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25698789</guid><author>joemell</author><pubDate>Tue, 13 May 2014 11:55:41 +0800</pubDate><description><![CDATA[使用VC6.0中的新建一个Win32 Dynamic-Link Library类型的工程，工程名为：dll，创建一个空的动态链接库工程，然后再工程中添加C++源文件：dll.cpp以及头文件：dll.h，在头文件以及源文件中输入下面的代码：
dll头文件：
dll.h



[cpp] 
view plaincopyprint?


#ifndef DLL1_API      ]]></description><category></category></item><item><title><![CDATA[目标检测的图像特征提取之（一）HOG特征]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25698565</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25698565</guid><author>joemell</author><pubDate>Tue, 13 May 2014 11:40:58 +0800</pubDate><description><![CDATA[1、HOG特征：
       方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal]]></description><category></category></item><item><title><![CDATA[【数字图像处理】Canny边缘检测详解及编程实现]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25426371</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25426371</guid><author>joemell</author><pubDate>Fri, 09 May 2014 21:11:23 +0800</pubDate><description><![CDATA[Canny边缘检测算法一直是边缘检测的经典算法。下面详细介绍Canny边缘检测算法的原理以及编程实现。
Canny边缘检测基本原理：
(1)图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。
 (2)根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子。
 (3)类似与Marr（LoG）边缘检测方法，也属于先平滑后求导数的方法。
]]></description><category></category></item><item><title><![CDATA[【Linux入门学习之】vi/vim编辑器必知必会]]></title><link>https://blog.youkuaiyun.com/joemell/article/details/25425809</link><guid>https://blog.youkuaiyun.com/joemell/article/details/25425809</guid><author>joemell</author><pubDate>Fri, 09 May 2014 20:57:42 +0800</pubDate><description><![CDATA[一、我们为什么要学习vim编辑器？

Linux的命令行界面下面有非常多的文本编辑器。比如经常听说的就有Emacs、pico、nano、joe与vim等。vim可以看做是vi的高级版。我们为什么一定要学习vim呢？有以下几个原因：
(1)所有的Unix like系统都会内置vi文本编辑器，其他的文本编辑器则不一定会存在。
(2)很多软件的编辑接口都会主动调用vi。
(3)vim具有程序编]]></description><category></category></item></channel></rss>