yewei11的专栏

编译准备下载NOKIA网站上的QT SDK，解压或安装到相关目录。本文以QT 4.6.2为例，下载地址：http://get.qt.nokia.com/qt/source/qt-win-opensource-4.6.2-vs2008.exe或者直接下载源码：http://get.qt.nokia.com/qt/source/qt-everywhere-opensource-

四连通与八连通所谓四连通区域或四邻域，是指对应像素位置的上、下、左、右，是紧邻的位置。共4个方向，所以称之为四连通区域，又叫四邻域。所谓八连通区域或八邻域，是指对应位置的上、下、左、右、左上、右上、左下、右下，是紧邻的位置和斜向相邻的位置。共8个方向，所以称之为8连通区域或八邻域。八连通则定义为: 对每一个值为1的点若其八连通有一个点的值也为1,那么这两个点就归为一

再谈协方差矩阵之主成分分析发表于 2011-02-24   |   颖风转自：http://pinkyjie.com/2011/02/24/covariance-pca/自从上次谈了协方差矩阵之后，感觉写这种科普性文章还不错，那我就再谈一把协方差矩阵吧。上次那篇文章在理论层次介绍了下协方差矩阵，没准很多人觉得这东西用处不大，其实协方差矩阵在好多学科里都有很重要的作用

很多人对小波多级分解的wavedec2总是迷惑，今天就详释她！wavedec2函数:1.功能:实现图像(即二维信号)的多层分解，多层,即多尺度.2.格式:[c,s]=wavedec2(X,N,'wname')    [c,s]=wavedec2(X,N,Lo_D,Hi_D)(我不讨论它)3.参数说明:对图像X用wname小波基函数实现N层分解,这里的小波基函数应该根据实际情

Sparsity 是当今机器学习领域中的一个重要话题。John Lafferty 和 Larry Wasserman 在 2006 年的一篇评论中提到：Some current challenges … are high dimensional data, sparsity, semi-supervised learning, the relation between computat

（EM算法）The EM Algorithm      EM是我一直想深入学习的算法之一，第一次听说是在NLP课中的HMM那一节，为了解决HMM的参数估计问题，使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。下面主要介绍EM的整个推导过程。1. Jensen不等式      回顾优化理论中的一些概念。设f是定义域

计算机视觉中的边缘检测边缘检测是计算机视觉中最重要的概念之一。这是一个很直观的概念，在一个图像上运行图像检测应该只输出边缘，与素描比较相似。我的目标不仅是清晰地解释边缘检测是怎样工作的，同时也提供一个新而又容易的方法只需要最小工作来明显地提高边缘检测。通过获得这些边缘，许多计算机算法才得以有可能实现，因为在一个场景中边缘包含着绝大部分（至少很多）的信

基于HTML5的PACS HTML5图像处理(7)实现客户端JS调整窗宽窗位作者：破曉  发布日期：2014-05-22 20:16:56要查看此系统更多的图像处理功能请参考：区域医疗移动医疗影像解决方案--基于HTML5的PACS--HTML5图像处理在此之前，此系统是结合DICOM的WADO标准，在浏览器里通过javascript操作返回的JPG

用matlab实现二值化图像和原图相乘？急用啊！！！！木有财富值了 求帮助呢！！ 分享| 2014-08-18 19:38心不死即可 | 浏览 963 次 编程语言对于jpg格式的图像，和进行了二值化的图像进行相乘？怎么不行啊下面是程序和错误警告？请大神帮帮忙啊 时间不够了..没有财富值了，，欠着可以不。。。A=imread('26.jpg');%读取原图像B=

ORB特征原理（浅显易懂）分类： 数字图像处理  |  作者： dan1900 相关  |  发布日期 : 2014-11-01  |  热度 : 247°目录[+]绪论假如我有2张美女图片，我想确认这2张图片中美女是否是同一个人。这太简单了，以我专研岛国动作片锤炼出来的火眼金睛只需轻轻扫过2张图片就可以得出结论。但是，如

深度学习系列Part2：迁移学习和微调深度卷积神经网络2016-08-30 16:28:36    深度学习   卷积神经网络   0 0 0本文是微软数据科学家 Anusua Trivedi 所写的《Deep Learning》系列文章的第二部分，是对迁移学习和微调深度卷积神经网络的介绍。机器之心此前也已经编译了该系列的第一部分，详情点击《五大主流深度学习框架

分布式深度学习：神经网络的分布式训练2016-10-09 14:05:04    深度学习   神经网络  http://www.jiqizhixin.com/article/1611 0 0 0本文编译自 Skymind 的技术博客，作者是深度学习工程师 Alex Black 和 Vyacheslav Kokorin。按照计划，《Distributed Dee

在用官网已经训练好的bvlc_googlenet.caffemodel模型文件进行分类时出现I0417 07:39:42.430258  1149 net.cpp:255] Network initialization done.F0417 07:39:42.430991  1149 upgrade_proto.cpp:95] Check failed: ReadProtoFromBina

原文地址：http://www.cnblogs.com/springyangwc/archive/2012/02/15/2353092.html原因马上要做PACS(Picture Archiving and Communication Systems的缩写，意思为影像归档和通信系统。)开发了,先学些DICOM资料,暂时先记录在这里.概要DICOM是Digital

来源：新智元【新智元导读】DeepMind 今天发表官博介绍了他们的两篇最新论文，称其都在理解“关系推理”这一挑战方面展示出了令人可喜的结果。一个是视觉互动网络 VIN，能够预测视觉场景中各个物体在未来几百步所处位置，另一个则是模块化的、具有关系推理能力的深度神经网络架构 RN，可以“即插即用”，提升其他深度神经网络结构（如 CNN）关系推理的能力。在李飞飞等人提出的图像理解数据集 C

转自  佩服 量子位李林 问耕 编译自 Arxiv  量子位 出品 | 公众号 QbitAI最近，Google又在论文题目上口出狂言：One Model To Learn Them All，一个模型什么都能学。非营利研究机构OpenAI的研究员Andrej Karpathy在Twitter上评论说，Google在把自己整个变成一个大神经网络的路上，又前进了一步。

cmap: colormap 颜色图谱（colormap), 默认绘制为RGB(A)颜色空间AE title :AE Title(Application Entity Title)是配置影像检查设备DICOM服务（Worklist、Storage、Print等）必不可少的参数之一。Application Entity Title - The representa

版权声明：本文为博主原创文章，转载请注明出处。文章太好了，怕丢!，转自xf_mao的：http://blog.youkuaiyun.com/mao_xiao_feng/article/details/53444333tf.nn.conv2d是TensorF

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。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。（二）常用的特征提取与匹配方法颜色直方图其优点在于

Deep learning：十九(RBM简单理解) 　　这篇博客主要用来简单介绍下RBM网络，因为deep learning中的一个重要网络结构DBN就可以由RBM网络叠加而成，所以对RBM的理解有利于我们对DBN算法以及deep learning算法的进一步理解。Deep learning是从06年开始火得，得益于大牛Hinton的文章，不过这位大牛的文章比较晦涩难懂，公式太多，对于

CNN卷积神经网络应用于人脸识别（详细流程+代码实现）作者：wepon   出处：wepon的博客本文主要讲解将CNN应用于人脸识别的流程，程序基于python+numpy+theano+PIL开发，采用类似LeNet5的CNN模型，应用于olivettifaces人脸数据库，实现人脸识别的功能，模型的误差降到了5%以下。本程序只是个人学习过程的一个toy implement，样本很小，模

摘要：人工神经网络（ANN）是在结构上模仿生物神经联结型系统，能够设计来进行模式分析，信号处理等工作。为了使医学生和医务工作者能对神经网络，特别是人工神经网络及其在医学图像和信号检测与分析中的应用有个全面了解，本文避免了繁琐的数学分析与推导，以阐明物理概念为主，深入浅出地就有关问题加以阐述，期望有所裨益。 关键词：人工神经网络；产生；原理；特点；应用 Application

腐蚀，膨胀，细化算法今天所讲的内容属于一门新兴的学科：数学形态学(Mathematical Morphology)。说起来很有意思，它是法国和德国的科学家在研究岩石结构时建立的一门学科。形态学的用途主要是获取物体拓扑和结构信息，它通过物体和结构元素相互作用的某些运算，得到物体更本质的形态。在图象处理中的应用主要是：(1)利用形态学的基本运算，对图象进行观察和处理，从而达到改善图象质

水平集方法[编辑]水平集方法（Level Set Method） 是一种用于界面追踪和形状建模的数值技术.水平集方法的优点是可以在笛卡尔网格（Cartesian grid）上对演化中的曲线曲面进行数值计算而不必对曲线曲面参数化（这是所谓的欧拉法（Eulerian approach））.）.[1]水平集方法的另一个优点是可以方便的追踪物体的拓扑结构改变.例如当物体的形

DLL Import 属性现在是更深入地进行探讨的时候了。在对托管代码进行 P/Invoke 调用时，DllImportAttribute 类型扮演着重要的角色。DllImportAttribute 的主要作用是给 CLR 指示哪个 DLL 导出您想要调用的函数。相关 DLL 的名称被作为一个构造函数参数传递给 DllImportAttribute。如果您无法肯定哪个 DLL 定义了您要使

这是《小波变换和motion信号处理》系列的第一篇，基础普及。第二篇我准备写深入小波的东西，第三篇讲解应用。记得我还在大四的时候，在申请出国和保研中犹豫了好一阵，骨子里的保守最后让我选择了先保研。当然后来也退学了，不过这是后话。当时保研就要找老板，实验室，自己运气还不错，进了一个在本校很牛逼的实验室干活路。我们实验室主要是搞图像的，实力在全国也是很强的，进去后和师兄师姐聊，大家都在搞什么小

RSNA　　RSNA：全名 Radiological Society Of North America 北美放射学会展会介绍:北美放射学会（Radiological Society of North America, RSNA）是由美国和加拿大两国联合组建的地区性放射学学术团体，成立于1915年，今年是第92届，开始称西方伦琴学会（Western Roentgen Society），1

PACS/RIS系统分析与展望 学号：072118    作者：钟欣    指导教师：霍妍   摘要:本文介绍了PACS/RIS系统的结构、应用与未来的展望，对医院信息系统的完善具有重要的指导意义。 Abstract: The PACS / RIS system structure, application and future prospects for improving 

http://nicewit.com:8085

基于DCMTK的DICOM医学图像显示及其调窗方法研究

这个是求矢量的散度的。高等数学里面的。散度（divergence）可用于表征空间各点矢量场发散的强弱程度，物理上，散度的意义是场的有源性。当div F>0 ，表示该点有散发通量的正源（发散源）；当div F

笔记：Delaunay三角剖分(Delaunay Triangulation)相关知识最近接触到计算Delaunay三角剖分的问题，也算是计算几何的一个经典问题了。按照别人的算法，也自己实现了个（源代码下载），发现点集大的时候，程序计算起来特慢。后来分析发现，别人程序号称的都是O(nlogn)的，我的却成了O(n*n)的，算法都是一样，后来才发现是数据结构的问题，看来程序＝算法＋数据结构，

一、简介        PCA（Principal Components Analysis）即主成分分析，是图像处理中经常用到的降维方法，大家知道，我们在处理有关数字图像处理方面的问题时，比如经常用的图像的查询问题，在一个几万或者几百万甚至更大的数据库中查询一幅相近的图像。这时，我们通常的方法是对图像库中的图片提取响应的特征，如颜色，纹理，sift，surf，vlad等等特征，然后将其保存

Deep Learning（深度学习）学习笔记整理系列之常用模型（四、五、六、七）九、Deep Learning的常用模型或者方法9.1、AutoEncoder自动编码器        Deep Learning最简单的一种方法是利用人工神经网络的特点，人工神经网络（ANN）本身就是具有层次结构的系统，如果给定一个神经网络，我们假设其输出与输入是

卷积神经网络CNN2014年09月05日 近来在了解深度学习。深度神经网络的一大特点就是含有多隐含层。卷积神经网络（CNN）算是深度神经网的前身了，在手写数字识别上在90年代初就已经达到了商用的程度。本文中将简要介绍CNN，由于相应的博文资料已经很多，也写的很好，本篇最有价值的是参考资料部分。前向神经网络数字识别假设我们的图片是28*28像素

从二维点集重建平面形状-浅议凹包算法 - Jumanco&Hide主题 算法 向量 游戏开发问题背景近期遇到一个计算几何问题，需要从点集中重建一个合理的几何形状。这个问题既有二维的也有三维的，二维的情况相对简单一点，即给出平面区域的一系列散点，求出一定程度上反映这些散点轮廓的平面多边形，给出边的连接方式即可。如从下图的左图散点重建为右图的形状：

奇异值分解(SVD) --- 几何意义 PS：一直以来对SVD分解似懂非懂，此文为译文，原文以细致的分析+大量的可视化图形演示了SVD的几何意义。能在有限的篇幅把 这个问题讲解的如此清晰，实属不易。原文举了一个简单的图像处理问题，简单形象，真心希望路过的各路朋友能从不同的角度阐述下自己对SVD实际意义的理 解，比如 个性化推荐中应用了SVD，文本以及Web挖掘的时候

自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互有增益。正文之前，先说几点自己对于CNN的感触。先明确一点就是，Deep Learning是全部深度学习算法的总称，CNN是深度学习算法在图像处

sudo pip install pydicom如果在docker 下不用sudo 怕忘了，自己mark一下。