wk119911的专栏

摘 要  针对模式识别中二维物体的形状识别问题，以二值图像中的物体形状为主要研究对象，依次从特征提取、分类器设计两个主要层面对形状识别方法进行了全面综述，并分析了国内外研究现状，特别是近年来所取得的最新研究成果。最后，指出了目前存在的问题以及今后的研究方向。关键词 物体形状识别；特征提取；分类器设计 中图法分类号 TP391.41Comparison on method

因为毕业论文用到了libsvm,在老师的帮助下终于弄明白了。现将其基本的用法总结如下：(1)准备训练数据   首先，按照libsvm的要求把数据转换成指定的格式。以我的论文内容为例，进行两类问题的分析，分为cover和stego两种。我们共有1500幅cover,1500幅stego。然后各取200幅组成训练数据集，另外的各1300幅图像分别作为cover和stego的预测集。根据理论分析

转自：http://blog.youkuaiyun.com/carson2005/article/details/6601109以下链接是本人整理的关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的具体应用

mmread下载地址：http://www.mathworks.com/matlabcentral/fileexchange/8028?controller=file_infos&download=truemmwrite下载地址：http://www.mathworks.com/matlabcentral/fileexchange/15881?controller=file_infos

HOG descriptors 是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值。这种方法跟边缘方向直方图（edge orientation histograms）、尺度不变特征变换（scale-invariant feature transform descriptors） 以及形状上下文方法（ shape contexts）有很多相似

该错误解决方法：     1    正确按照libsvm     2   必须在在libsvm 中的matab 路径下运行程序，不要自己在libsvm/matlab中加入自己的文件夹中运行程序！

>> a=[1 2;3 4];>> b=[1 2;3 4];>> a/bans = 1 0 0 1>> a./bans = 1 1 1 1a/b相当于a乘b的逆a./b是a的每个元素与b的每个元素对应相除>> a=[1 2 3 4 5];>> b=3;>> a./b>> a/b这种情况下，结果就是一样的 左除 右除:A/B=A*inv(B); A\B=inv(A)*

simulink  使用自带函数fuction用这个自定义函数编写了程序，运行时出现这个错误，但是在别人的电脑上面运行正常，求高人指点 Error using ==> construct_error at 109The current directory is d:\program files\matlab\r2011a\bin, which is reserved for M

median的作用：求矩阵均值。median(M),每一列返回一个值,为M该列的从大到小排列的中间值.median(M,dim),dim为1，2。其中1表示按每列返回一个值,为该列从大到小排列的中间值,,                                                    2表示按每行返回一个值,为该行从大到小排列的中间值.注意

HSV颜色空间HSV(hue,saturation,value)颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集，圆锥的顶面对应于V=1. 它包含RGB模型中的R=1，G=1，B=1 三个面，所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于 角度0° ，绿色对应于角度120°，蓝色对应于角度240°。在HSV颜色模型中，每一种颜色和它的补色相差180° 。 饱和度S取值从0到1，所

function hsi = rgb2hsi(rgb) %RGB2HSI Converts an RGB image to HSI. %   HSI = RGB2HSI(RGB) converts an RGB image to HSI. The input image%   is assumed to be of size M-by-N-by-3, where the third

今天看论文的时候又看到了协方差矩阵这个破东西，以前看模式分类的时候就特困扰，没想到现在还是搞不清楚，索性开始查协方差矩阵的资料，恶补之后决定马上记录下来，嘿嘿~本文我将用自认为循序渐进的方式谈谈协方差矩阵。统计学的基本概念学过概率统计的孩子都知道，统计里最基本的概念就是样本的均值，方差，或者再加个标准差。首先我们给你一个含有n个样本的集合，依次给出这些概念的公式描述，这些高中学过数学的孩子

B = repmat(A,m,n)B = repmat(A,[m n])B = repmat(A,[m n p...])这是一个处理大矩阵且内容有重复时使用，其功能是以A的内容堆叠在（MxN）的矩阵B中，B矩阵的大小由MxN及A矩阵的内容决定，如果A是一个3x4x5的矩阵，有B = repmat(A,2,3)则最后的矩阵是6x12x5例如：>>B=repmat( [1 2;3

功能：对任意类型数组或多维图像进行滤波。用法：B = imfilter(A,H)　　　B = imfilter(A,H,option1,option2,...)　　　或写作g = imfilter(f, w, filtering_mode, boundary_options, size_options)其中，f为输入图像，w为滤波掩模，g为滤波后图像。filtering_mode用

X = [1 0 4 -3 0 0 0 8 6];indices = find(X) returns linear indices for the nonzero entries ofX. indices = 1 3 4 8 9 返回的indices 指的是元素的位置，第几个。

1、matlab中的imread相当于OpenCV中的cvLoadImage(imageName,  CV_LOAD_IAMGE_ANYDEPTH | CV_LOAD_IMAGE_ANYCOLOR)：读出的图像信息保持了原有图像的信息(包括通道信息和位深信息)；rgb2gray相当于cvLoadImage(imageName, CV_LOAD_IMAGE_GRAYSCALE)：单通道灰度图；