凌风探梅的专栏

FROM: http://wiki.opencv.org.cn/index.php/%E7%89%B9%E5%BE%81%E6%A3%80%E6%B5%8B%E4%B8%93%E9%A2%98本页简单描述OpenCV模式识别章节中的目标检测方法,并提供一些有用的信息,方便大家交流研究训练成果.具体函数模块的使用请见原中文模式识别内容.历史与现状OpenCV使用的

FROM：http://www.cnblogs.com/ronny/p/4009425.html1. 不同类型的角点在现实世界中，角点对应于物体的拐角，道路的十字路口、丁字路口等。从图像分析的角度来定义角点可以有以下两种定义：角点可以是两个边缘的角点；角点是邻域内具有两个主方向的特征点；前者往往需要对图像边缘进行编码，这在很大程度上依赖于图像的分割与边缘提取，具

FROM： http://www.cnblogs.com/ronny/p/4028776.html1. SIFT算法中一些符号的说明I(x,y)表示原图像。G(x,y,σ)表示高斯滤波器，其中G(x,y,σ)=12πσ2exp(−(x2+y2)/2σ2)。L(x,y,σ)表示由一个高斯滤波器与原图像卷积而生成的图像，即L(x,y,σ)=G(x,y,σ)⊗I(x,y)。一系列

FROM：http://www.cnblogs.com/ronny/p/4045979.html如果说SIFT算法中使用DOG对LOG进行了简化，提高了搜索特征点的速度，那么SURF算法则是对DoH的简化与近似。虽然SIFT算法已经被认为是最有效的，也是最常用的特征点提取的算法，但如果不借助于硬件的加速和专用图像处理器的配合，SIFT算法以现有的计算机仍然很难达到实时的程度。对

FROM： http://www.cnblogs.com/ronny/p/4048213.html上一篇文章 SURF算法与源码分析、上 中主要分析的是SURF特征点定位的算法原理与相关OpenCV中的源码分析，这篇文章接着上篇文章对已经定位到的SURF特征点进行特征描述。这一步至关重要，这是SURF特征点匹配的基础。总体来说算法思路和SIFT相似，只是每一步都做了不同程度的近似与简化

FROM: http://blog.youkuaiyun.com/leixiaohua1020/article/details/16883379颜色和边缘的方向性描述符（Color and Edge Directivity Descriptor，CEDD）本文节选自论文《Android手机上图像分类技术的研究》。 CEDD具有抽取特征速度较快，特

FROM: http://blog.youkuaiyun.com/leixiaohua1020/article/details/16859181本文节选自《基于纹理的图像检索算法研究》。描述了几种基于纹理特征的图像检索算法。 第 3 章基于纹理特征的图像检索 3.2 基于灰度共生矩阵的纹理分析法灰度共生矩阵是分析纹理特征的一种有效方法，该方法研究

FROM: http://blog.youkuaiyun.com/leixiaohua1020/article/details/16859347本文节选自《基于MPEG-7与内容的图像检索技术的研究》。MPEG-7 标准中视觉描述工具包括基本结构和描述符。本文主要介绍各描述符。（1）颜色描述符MPEG-7 主要定义了七种颜色描述符：颜色空间、主颜色、颜色的量化、颜色

FROM: http://blog.youkuaiyun.com/leixiaohua1020/article/details/16847823一共有四种基于内容的图像分类方法，即颜色、纹理、形状和空间关系。1.基于颜色特征的分类技术目前，提取颜色特征己经成为几乎所有基于内容图像分类技术的重要手段。由于颜色是物体必备的视觉特性，同一类物体一般会有相似的色彩特征，所以人们就根据这一点用色

FROM：http://www.cvchina.info/2011/07/04/whats-orb/什么是ORB2011年7月4日cvchina发表评论阅读评论ORB是是ORiented Brief的简称。ORB的描述在下面文章中：Ethan Rublee and Vincent Rabaud and Kurt Konolige and Gary Bradski,

SIFT特征详解from ：http://www.cnblogs.com/wangguchangqing/p/4853263.html1.SIFT概述SIFT的全称是Scale Invariant Feature Transform，尺度不变特征变换，由加拿大教授David G.Lowe提出的。SIFT特征对旋转、尺度缩放、亮度变化等保持不变性，是一种非常稳定的局部特征

人脸检测属于计算机视觉的范畴，早期人们的主要研究方向是人脸识别，即根据人脸来识别人物的身份，后来在复杂背景下的人脸检测需求越来越大，人脸检测也逐渐作为一个单独的研究方向发展起来。目前的人脸检测方法主要有两大类：基于知识和基于统计。“基于知识的方法主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸。基于统计的方法则将人脸看作一个整体的模式——二维像素矩阵，从统计的观点通过大量人脸图像样本构造人脸模式空间，根据相似度量来判断人脸是否存在。在这

FROM： http://www.cnblogs.com/ronny/p/3895883.html1. 什么是斑点斑点通常是指与周围有着颜色和灰度差别的区域。在实际地图中，往往存在着大量这样的斑点，如一颗树是一个斑点，一块草地是一个斑点，一栋房子也可以是一个斑点。由于斑点代表的是一个区域，相比单纯的角点，它的稳定性要好，抗噪声能力要强，所以它在图像配准上扮演了很重要的角色。

FROM：http://www.cnblogs.com/ronny/p/3886013.html1. 特征的不变性何谓特征？每个物体，我们总可以用一些词语或部件来描述它，比如人脸的特征：两个眼睛、一个鼻子和一个嘴巴。对于图像而言，我们需要计算机去理解图像，描述图像就需要计算机去取得图像的特征，对图像比较全面的描述即一个二维矩阵，矩阵内的每个值代表图像的亮度。有时候我们需要让计算

FROM: http://blog.youkuaiyun.com/zouxy09/article/details/79295701、Haar-like特征       Haar-like特征最早是由Papageorgiou等应用于人脸表示，Viola和Jones在此基础上，使用3种类型4种形式的特征。Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。特征模

FROM：http://www.cnblogs.com/ronny/p/4260167.html研究图像特征检测已经有一段时间了，图像特征检测的方法很多，又加上各种算法的变形，所以难以在短时间内全面的了解，只是对主流的特征检测算法的原理进行了学习。总体来说，图像特征可以包括颜色特征、纹理特等、形状特征以及局部特征点等。其中局部特点具有很好的稳定性，不容易受外界环境的干扰，本篇文章也是对

哈尔特征（Haar-like features）FROM： http://zh.wikipedia.org/wiki/%E5%93%88%E5%B0%94%E7%89%B9%E5%BE%81哈尔特征（Haar-like features） 是用于物体识别的一种数字图像特征。它们因为与哈尔小波转换 极为相似而得名，是第一种实时的人脸检测算子。历史上，直接使用图像的强度(就

转自：http://hi.baidu.com/intelliencecore/blog/item/fe7d0945b2b6c62ecffca386.html 颜色特征是在图像检索中应用最为广泛的视觉特征，主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外，与其他的视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较高的鲁棒性。面向图像检索的颜

FROM: http://blog.youkuaiyun.com/zouxy09/article/details/79293481、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

FROM: http://blog.youkuaiyun.com/zouxy09/article/details/7929531 LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen, 和D. Harwood 在1994年提出，用于纹理特征提取。而

FROM： http://www.baike.com/wiki/%E8%A7%92%E7%82%B9%E6%A3%80%E6%B5%8B目前的角点检测算法可归纳为3类：基于灰度图像的角点检测、基于二值图像的角点检测、基于轮廓曲线的角点检测，角点是图像很重要的特征,对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述,分析了相关的算法,并对各种检测算

http://www.360doc.com/content/10/0601/10/1412027_30625801.shtml常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一 颜色特征 （一）特点：颜色特征是一种全局特征,描 述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图

FROM：http://blog.sina.com.cn/s/blog_661159d50100kij7.htmlReferences1.       MPEG-7 overview(http://mpeg.chiariglione.org/standards/mpeg-7/mpeg-7.htm)2.       孙君顶，赵珊。 图像低层特征提取与检索技术 

FROM：http://www.cnblogs.com/ronny/p/4083537.htmlOriented FAST and Rotated BRIEFwww.cnblogs.com/ronny 这篇文章我们将介绍一种新的具有局部不变性的特征 —— ORB特征，从它的名字中可以看出它是对FAST特征点与BREIF特征描述子的一种结合与改进，这个算法是由

FROM:http://www.cnblogs.com/ronny/p/4081362.htmlBinary Robust Independent Elementary Featureswww.cnblogs.com/ronny1. BRIEF的基本原理我们已经知道SIFT特征采用了128维的特征描述子，由于描述子用的浮点数，所以它将会占用512 bytes的空间。类似地，

Haar-like矩形特征的特征值的快速计算方法FROM： http://blog.sina.com.cn/s/blog_4e6680090100d2sd.html1、Haar-like特征：    Haar-like特征最早是由Papageorgiou等应用于人脸表示。Papageorgiou在针对正面人脸和人体检测问题的研究中使用Haar小波基函数，他们发现标准正交Haar小波