landsuper的专栏

<br /><br />计算机视觉方面的三大国际会议是ICCV, CVPR和ECCV，统称之为ICE。<br />ICCV的全称是International Comference on Computer Vision，正如很多和他一样的名字的会议一行，这样最朴实的名字的会议，通常也是这方面最nb的会议。ICCV两年一次，与ECCV正好错开，是公认的三个会议中级别最高的。它的举办地方会在世界各地选，上次是在北京，下次在巴西，2009在日本。iccv上的文章看起来一般都比较好懂，我是比较喜欢的。<br />CV

期刊名是不是SCI核心影响因子(2006年)投稿网址Computer vision and image understanding是1.548http://ees.elsevier.com/cviu/Image and Vision Computing是1.171http://ees.elsevier.com/imavis/International Journal of Computer Vision是6.085http://www.editorialmanager.com/visi/Journal of

对于PCA，一直都是有个概念，没有实际使用过，今天终于实际使用了一把，发现PCA还是挺神奇的。 在OPENCV中使用PCA非常简单，只要几条语句就可以了。1、初始化数据 //每一行表示一个样本 CvMat* pData = cvCreateMat( 总的样本数, 每个样本的维数, CV_32FC1 ); CvMat* pMean = cvCreateMat(1, 样本的维数, CV_32FC1); //pEigVals中的每个数表示一个特征值 CvMat* pEigVals = cvCreateMat(1,

<br /><br />Step1: BBF算法，在KD-tree上找KNN。第一步做匹配咯~<br /> <br />1.       什么是KD-tree（from wiki）<br />K-Dimension tree，实际上是一棵平衡二叉树。<br />一般的KD-tree构造过程：<br />function kdtree (list of points pointList, int depth)<br />{<br />    if pointList is empty<br />       

<br /><br />SIFT(Scale-invariant feature transform), Lowe, 2004<br />PCA-SIFT(Principle Component Analysis), Y.ke, 2004<br />SURF(Speeded Up Robust Features), Bay, 2006<br /> <br />这三位先后登场各有千秋，算是图像特征点检测领域的宋氏三姐妹了！SIFT鼻祖先宗大佬，PCA-SIFT将SIFT中直方图方法换作主元分析法，SURF取出

<br />三、前沿国际国内期刊与会议<br />这里的期刊大部分都可以通过上面的专家们的主页间接找到<br />1.国际会议 2.国际期刊 3.国内期刊 4.神经网络 5.CV 6.数字图象 7.教育资源，大学 8.常见问题<br />1. 国际会议<br />现在，国际上计算机视觉方面的三大国际会议是ICCV， CVPR和ECCV，统称之为ICE。<br />ICCV的全称是International Comference on Computer Vision。ICCV两年一次，与ECCV正好错开，是公

<br />作机器视觉和图像处理方面的研究工作，最重要的两个问题：其一是要把握住国际上最前沿的内容；其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献)，解决第二个问题的办法是你最好能够找到一个实际应用的项目，边做边写文章。 做好这几点的途径之一就是利用网络资源，利用权威网站和专家们的个人主页。<br /><br />依照下面目录整理：<br />[1]研究群体(国际国内)[2]专家主页[3]前沿国际国