u010719432的专栏

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Dal

上一篇讲到图像检索中应用LSH实现快速搜索，其在一定概率的保证下解决了高维特征查询的问题，但笔者在应用LSH结合SIFT特征实践图像检索实验时，由于每张图像涉及上百个特征，那么在查询一张图片时，需要进行上而次的特征查询，即便是将查询图片的特征点数筛选至50%的量，一次图片查询需要进行的特征查询次数亦不容小窥。那么有没有方法可以将任意图片的所有特征向量用一个固定维数的向量表出，且这个维数并不因图片特

HOG基本概念在构造函数中，有几个参数非常重要，分别为winSize(64,128),  blockSize(16,16),  blockStride(8,8), cellSize(8,8),  nbins(9)。在此，用几个示意图来表示。a)       窗口大小winSizeb)      块大小blockSizec)  

倒排索引源于实际应用中需要根据属性的值来查找记录。这种索引表中的每一项都包括一个属性值和具有该属性值的各记录的地址。由于不是由记录来确定属性值，而是由属性值来确定记录的位置，因而称为倒排索引(inverted index)。带有倒排索引的文件我们称为倒排索引文件，简称倒排文件(inverted file)。目录1概述2相关概念及定义▪

尺度不变特征变换匹配算法详解Scale Invariant Feature Transform(SIFT)Just For Funzdd  zddmail@gmail.com or (zddhub@gmail.com)对于初学者，从David G.Lowe的论文到实现，有许多鸿沟，本文帮你跨越。1、SIFT综述尺度不变特征转换(Scale

给定一幅Lena.bmp的彩色图像，大小为256*256或512*512，求图像中的信息熵和R、G

最近一直在了解稀疏表示的材料，现在在这里整理一下。稀疏表示最重要的思想即是，在一个足够大的训练样本空间内，对于一个类别的物体，可以大致的由训练样本中同类的样本子空间线性表示，因此在当该物体有整个样本空间表示时，其表示的系数是稀疏的。这是稀疏表示思想最重要的一个假设，当然这也是之后进一步分析的基础。通过上述对稀疏表示思想的大致描述，可以将稀疏表示抽象成一个方程式：y=Ax，(

近来看英文论文，不止一次读到wide baseline，