nedushy123的专栏

SIFT，尺度不变特征转换(Scale-invariant feature transform,SIFT)，是用于图像处理领域的一种描述子。这种描述具有尺度不变性，可在图像中检测出关键点。是一种局部描述子。目录1简介2SIFT算法大致有四个步骤：1简介编辑SIFT由David Lowe在1999年提出，在2004加以完善[1-2]。SIFT在图像的特征描述方面当之无愧可

版权声明：    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com前言：    决策树这种算法有着很多良好的特性，比如说训练时间复杂度较低，预测的过程比较快速，模型容易展示（容易将得到的决策树做成图片展示出来）等。但是同时，单

Random Forest是加州大学伯克利分校的Breiman Leo和Adele Cutler于2001年发表的论文中提到的新的机器学习算法，可以用来做分类，聚类，回归，和生存分析，这里只简单介绍该算法在分类上的应用。  Random Forest（随机森林）算法是通过训练多个决策树，生成模型，然后综合利用多个决策树进行分类。  随机森林算法只需要两个参数：构建的决策树的个数t，在决策树

ASM和AAM：这两种方法都是基于训练集建立的统计模型方法，这两种方法都是基于训练集建立的统计模型方法，通过对某一类特定图像进行建模，来进行特征提取。在主动形状模型中，通过训练集中大量描述的物体样本形状实例进行统计，建立起反应目标形状变化规律的形状统计模型一点分布模型，同时利用标定点所在轮廓线方向上的灰度信息建立起反映灰度分布规律的局部灰度模型。在搜索过程中首先利用训练得到的局部灰度模型进行搜索，

协方差的定义 对于一般的分布，直接代入E(X)之类的就可以计算出来了，但真给你一个具体数值的分布，要计算协方差矩阵，根据这个公式来计算，还真不容易反应过来。网上值得参考的资料也不多，这里用一个例子说明协方差矩阵是怎么计算出来的吧。记住，X、Y是一个列向量，它表示了每种情况下每个样本可能出现的数。比如给定则X表示x轴可能出现的数，Y表示y轴可能出现的。注意这里是关键，给定了4

在《主成分分析》中，我们用到了协方差矩阵，但当时并没有对其进行深入的讨论。为此，本文将针对协方差矩阵做一个详细的介绍，其中包括协方差矩阵的定义、数学背景与意义以及计算公式的推导。若需要本文完整的 PDF 文档，请点击《协方差矩阵详谈》进行下载！作者: peghoty 出处: http://blog.youkuaiyun.com/itplus/article/

转自：[原]AAM(Active Appearance Model)算法 理论+实践2013-9-3阅读208 评论8Active Appearance Model确实是一个很好的东西，最近学习了很长时间，也看了不少的文献或者博文，最后做一个总结，在这可能不会像其他的博客一样从很原理的角度去分析公式，将会结合实验结果来做一个说明，这也是本人所整理的第一篇博客，有不足的地

本文从统计学角度讲解了CART（Classification And Regression Tree）, Bagging(bootstrap aggregation), Random Forest Boosting四种分类器的特点与分类方法，参考材料为密歇根大学Ji Zhu的pdf与组会上王博的讲解。CART（Classification And Regressio

本文列举了用于人脸识别的免费经典数据集，并给出各数据来源及特点。 1.FERET人脸数据库 -http://www.nist.gov/itl/iad/ig/colorferet.cfm由FERET项目创建,包含1万多张多姿态和光照的人脸图像,是人脸识别领域应用最广泛的人脸数据库之一.其中的多数人是西方人,每个人所包含的人脸图像的变化比较单一。 2.CMU-PIE人脸数据库 -

随机森林模型有着惊人的准确性，可以替代一般线性模型（线性回归、方差分析等）和广义线性模型（逻辑斯蒂回归、泊松回归等）等等。 我2012年在人民大学组织的R语言会议上介绍了随机森林的用法（报告文件在http://cos.name/wp-content/uploads/2012/05/17-lixinhai-random-forest.pdf）。以后不时有人给我写信交流模型使用心得，索

ASM是一种基于点分布模型（Point Distribution Model, PDM）的算法。在PDM中，外形相似的物体，例如人脸、人手、心脏、肺部等的几何形状可以通过若干关键特征点（landmarks）的坐标依次串联形成一个形状向量来表示。本文就以人脸为例来介绍该算法的基本原理和方法。首先给出一个标定好68个关键特征点的人脸面部图片，如下所示：

MATLAB中均值、方差、均方差的计算方法(2007-06-07 15:39:07)转载▼分类： 学习经常要用到，系统整理了一下。 1、 均值 数学定义：  Matlab函数：mean>>X=[1,2,3]>>mean(X)=2 如果X是一个矩阵，则其均值是一个向量组。mean(X,1)为列向量

图像配准与相关是图像处理研究领域中的一个典型问题和技术难点，其目的在于比较或融合针对同一对象在不同条件下获取的图像，例如图像会来自不同的采集设备，取自不同的时间，不同的拍摄视角等等，有时也需要用到针对不同对象的图像配准问题。具体地说，对于一组图像数据集中的两幅图像，通过寻找一种空间变换把一幅图像映射到另一幅图像，使得两图中对应于空间同一位置的点一一对应起来，从而达到信息融合的目的。 该技术在计算机

1. 分类和回归树（CART，classification and regression tree）          基于树的方法的思路：把特征空间划分成一系列的矩形区域，然后在每个区域中拟合一个简单的模型（例如：常量）。下图是决策树（decision tree）的一个简单示意： 下面分别介绍回归树和分类树。1.1 回归树（regression tree）

版权声明：    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com 前言：    又有很长的一段时间没有更新博客了，距离上次更新已经有两个月的时间了。其中一个很大的原因是，不知道写什么好-_-，最近一段时间看了

[基础算法] Random Forests2011 年 8 月 9 日Random Forest(s)，随机森林，又叫Random Trees[2][3]，是一种由多棵决策树组合而成的联合预测模型，天然可以作为快速且有效的多类分类模型。如下图所示，RF中的每一棵决策树由众多split和node组成：split通过输入的test取值指引输出的走向（左或右）；node为叶节点，决定单棵决策

鉴于自己的毕设是与视频检索有关，而在图像和视频检索领域中，D.Lowe和他的“亲儿子”——SIFT( Scale Invariant Feature Transform )算法是不能错过的经典论题，我在之前闲逛过的一个技术博客站点中找到了介绍这一经典算法基本概念的文章，原文地址：http://www.dakaren.com/index.php/archives/639.htm   1、SI

sift创始人的代码：David Lowe's SIFT code:http://www.cs.ubc.ca/~lowe/keypoints 美国加州大学洛杉矶分校（University of California at Los Angeles) Andrea Vedaldi 博士研究生给出的基于David Lowe 发表的论文给利用Matlab和C语言混合编程给出的Sif

sift = scale invariant feature transform—— 尺度不变特征变换，具有尺度，旋转，仿射，视角，光照不变性。。关于sift的特征介绍，已经有很多的blog对其进行简介了，见参考的blog。我也没有将2004年那篇原文精细看完，这里只是提供在opencv中如何实现 sift关键点的检测。Code:[cpp] view plaincopypr

使用Matlab运行程序的时候，我们经常需要知道或比较不同程序的具体运行时间，其程序代码如下：st=cputime;        % 程序开始运行时的cpu时间% 程序开始……% 程序结束et=cputime-st        % 计算程序运行所用的时间

1. 三角剖分与Delaunay剖分的定义     如何把一个散点集合剖分成不均匀的三角形网格，这就是散点集的三角剖分问题，散点集的三角剖分，对数值分析以及图形学来说，都是极为重要的一项预处理技术。该问题图示如下：  1.1.三角剖分定义    【定义】三角剖分：假设V是二维实数域上的有限点集，边e是由点集中的点作为端点构成的封闭线段, E为e的集合。那么该点集V的

Mahalanobis距离（马氏距离）Mahalanobis距离是多维空间中两点相似性的度量，它本身不是聚类或者分类算法。Mahalanobis距离与Euclidean距离（欧式距离）类似，不过还需除以空间的协方差矩阵。如果协方差矩阵是单位矩阵，则Mahalanobis距离退化为Euclidean距离。 opencv计算协方差矩阵函数CVAP

ASM算法相对容易，其中STASM是目前正面脸当中比较好的算法，原作者和CLM比较过。但是STASM速度较慢，大概10frame/s左右。ASM对齐在精度上不如AAM，AAM由于使用全局纹理信息，因此精度较高，但是遇到光照和多姿态时，对初始化Shape要求很高，不然容易陷入局部优化。CLM 分别继承了ASM和AAM的一些特征，效果得到了提升。对局部器官特征的概率假设和优化算法的选择，是CLM各种算

04、概率图模型应用实例        最近一篇文章《Deformable Model Fitting by Regularized Landmark Mean-Shift》中的人脸点检测算法在速度和精度折中上达到了一个相对不错的水平，这篇技术报告就来阐述下这个算法的工作原理以及相关的铺垫算法。再说这篇文章之前，先说下传统的基于CLM（Constrained local model）人脸点

Tim Cootes 个人主页:http://personalpages.manchester.ac.uk/staff/timothy.f.cootes/ 1、am_tools工具 am_tools——Modelling and Search Software地址：http://personalpages.manchester.ac.uk/staff/timot

申明：利用am_tools，可以采用多种方式标记图像，本文介绍的只是其中最为便捷的一种，同时也是该工具作者Tim Cootes推荐的方式。1.         下载am_toolshttp://www.isbe.man.ac.uk/~bim/software/am_tools_doc/download_win.html2.         假如需要对1.jpg，2.jpg，3.jpg，

这俩天一直在做关于物体匹配的方面的工作，前几天朋友推荐我看西安电子科技大学张瑞娟的一篇硕士论文“图像配准理论及算法研究”，我收获很大，所以我也总结一些对我有用的算法，将来便于查找应用。我做的目标追踪这一块，虽然和图像配准不是一个方向，但是前期工作都是一样的，首先都需要物体检测，特征检测和匹配。这里我总结一些对我有用的，也希望对和我一样研究方向的人有帮助。这里图像配准可以换成物体匹配的。

ASM和AAM：这两种方法都是基于训练集建立的统计模型方法，这两种方法都是基于训练集建立的统计模型方法，通过对某一类特定图像进行建模，来进行特征提取。在主动形状模型中，通过训练集中大量描述的物体样本形状实例进行统计，建立起反应目标形状变化规律的形状统计模型一点分布模型，同时利用标定点所在轮廓线方向上的灰度信息建立起反映灰度分布规律的局部灰度模型。在搜索过程中首先利用训练得到的局部灰度模型进行搜索，

History1.Snake (Active Contour Models) --19892.ASM (Active Shape Models) --19953. Combined Appearance Models4.AAM (Active Appearance Models)[1] --19981.Snake (Active Contour

前面介绍ASM算法(http://blog.youkuaiyun.com/carson2005/article/details/8194317)的时候，笔者提到，ASM是基于统计形状模型的基础上进行的，而AAM则是在ASM的基础上，进一步对纹理（将人脸图像变形到平均形状而得到的形状无关图像g）进行统计建模，并将形状和纹理两个统计模型进一步融合为表观模型。同ASM一样，给定学习集

历史AAM的思想最早可以追溯到1987年kass等人提出的snake方法，主要用于边界检定与图像分割。该方法用一条由n个控制点组成的连续闭合曲线作为snake模型，再用一个能量函数作为匹配度的评价函数，首先将模型设定在目标对象预估位置的周围，再通过不断迭代使能量函数最小化，当内外能量达到平衡时即得到目标对象的边界与特征。 1989年yuille等人此提出使用参数化的可变形模板来代替snak

Matlab 的fspecial函数用法  2010-03-29 22:09:35|  分类：图像处理 |字号 订阅转自 http://blog.163.com/crazyzcs@126/blog/static/129742050201022910935624/Matlab 的fspecial函数用法fspecial函数用于建立预定义的滤波算子，其语

图像放缩之双立方插值转自：http://blog.youkuaiyun.com/jia20003/article/details/6919845一：数学原理如果已知一个函数f(x)以及它在x=0,x=1处的导数，那么函数可以在[0,1]之间插值，当函数表达为三次多项式时我们称之谓立方插值。一个三次多项式及其导数：        f(x) =ax^3 +bx^2 +

转自  http://blog.youkuaiyun.com/tzgj2007/article/details/6877800(注：所有函数的头字母都应是小写)图像显示colorbar        显示彩条getimage       由坐标轴得到图像数据ice（DIPUM）  交互彩色编辑image          创建和显示图像对象imagesc    

图像处理函数详解——strel使用教程功能：用于膨胀腐蚀及开闭运算等操作的结构元素对象(本论坛随即对膨胀腐蚀等操作进行讲解)。用法：SE = strel(shape,parameters)创建由指定形状shape对应的结构元素。其中shape的种类有arbitrary''pair''diamond''periodicline''disk''rectang

转自 http://blog.youkuaiyun.com/tzgj2007/article/details/68778071、数字数字图像的变换① fft2：fft2函数用于数字数字图像的二维傅立叶变换，如：i=imread('104_8.tif');j=fft2(i);②ifft2:：ifft2函数用于数字数字图像的二维傅立叶反变换，如： i=imread('104_8.tif')

转自  http://hi.baidu.com/zpevvqbhtjabgue/item/18d50aa050cda710a8cfb7b0示例：>> a=[1 4 8 2;5 9 3 5;7 2 6 7;1 8 6 2]a =     1     4     8     2     5     9     3     5     7     2

转自  http://www.cnblogs.com/pegasus/archive/2011/05/20/2052031.html对于图像来说，高斯滤波器是利用高斯核的一个2维的卷积算子，用于图像模糊化（去除细节和噪声）。1. 高斯分布一维高斯分布 ，  二维高斯分布     2.高斯核理论上，高斯分布在所有定义域上都

转自   http://www.cnblogs.com/pegasus/archive/2011/05/19/2051416.html这里讨论利用输入图像中像素的小邻域来产生输出图像的方法，在信号处理中这种方法称为滤波（filtering）。其中，最常用的是线性滤波：输出像素是输入邻域像素的加权和。 1.相关算子（Correlation Operator)      

转自 http://www.cnblogs.com/pegasus/archive/2011/05/20/2051780.html更复杂些的滤波算子一般是先利用高斯滤波来平滑，然后计算其1阶和2阶微分。由于它们滤除高频和低频，因此称为带通滤波器（band-pass filters）。在介绍具体的带通滤波器前，先介绍必备的图像微分知识。1 一阶导数连续函数，其微分