DoBit的专栏

由于工作需要，我开始研究人脸检测部分的算法，这期间断断续续地学习Haar分类器的训练以及检测过程，在这里根据各种论文、网络资源的查阅和对代码的理解做一个简单的总结。我试图概括性的给出算法的起源、全貌以及细节的来龙去脉，但是水平有限，只能解其大概，希望对初学者起到帮助，更主要的是对我个人学习的一次提炼。一、Haar分类器的前世今生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

本文转载自 （http://blog.sina.com.cn/s/blog_6ae183910101h4jr.html）一，人脸检测/跟踪人脸检测/跟踪的目的是在图像/视频中找到各个人脸所在的位置和大小；对于跟踪而言，还需要确定帧间不同人脸间的对应关系。 1,Robust Real-time Object Detection. Paul Viola, Mic

4.基于图论的图像分割将图论的方法用于图像处理，主要是将图像与图进行映射，利用图的分割方法进行图像分割。通俗来说，图像映射为图之后，根据采取的准则方法，图像中的前景和背景都转化为了图中的顶点，并且每个顶点之间都被赋予了一定的权值。若将这个图割开来一分为二，当割在前景顶点和背景顶点之间时能得到最小的一个割。GraphCut[10]采用图论中的最小割（Minimum Cut）来

1.      摘要：本文主要介绍图像纹理描述的一种特征LBP（局部二值模式），基于LBP特征在人脸识别、表情识别方面应用较多。2.      应用背景在数字图像处理和模式识别领域，LBP指局部二值模式，英文全称：Local Binary Patterns。最初功能为辅助图像局部对比度，并不是一个完整的特征描述子。后来提升为一种有效的纹理描述算子，度量和提取图像局部的纹理信息，对光照具

（ps：这是我的一份作业，用一个寒假的看了一些资料，写的这篇关于图像分割的简介，删除了作业中一些凑字数的话...）摘要：本文将分类介绍以下算法：基于边缘的图像分割（包括一阶、二阶梯度算子、Canny算子），基于阈值的图像分割（全局阈值、局部阈值），基于区域的图像分割（区域生长合并、区域分裂合并、形态学分水岭、mean shift图像分割以及JSEG算法），基于图论的图像分割（Graph c

从cvchina搞到的机器视觉开源处理库汇总，转来了，很给力，还在不断更新。。。通用库/General LibraryOpenCV无需多言。RAVLRecognition And Vision Library. 线程安全。强大的IO机制。包含AAM。CImg很酷的一个图像处理包。整个库只有一个头文件。包含一个基于PDE的光流算法。

文章主要来源：PAMI, IJCV, TIP, CVIU, PR, IVC, CVGIU, CVPR, ICCV, ECCV, NIPS, SIGGRAPH, BMVC等主要参考网站: Google scholar, citeseer, cvpapers, opencv 中英文官方网站主要参考书籍： 数字图像处理 第三版 冈萨雷斯等 图像处理，分析和机器视觉 第三版 Sonka

SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果，详细解析如下：算法描述SIFT特征不只具有尺度不变性，即使改变旋转角度

1.介绍        在数字视频处理中，运动估计是一个重要的研究点，在数据压缩中的应用最为成熟，在目标跟踪方面也有很重要的应用。       下面是一些比较成熟的基于图像块匹配的运动估计。图像块匹配的主要目的是，通过在前后连续的2帧视频序列中，找到图像中最相关的部位，并建立他们的联系。这样就可以通过其中一幅图片及关系信息，还原出另一张图片的信息。而不同算法的主要区别就是在于，匹配时的采取

来自：http://blog.youkuaiyun.com/caoeryingzi/article/details/17323719