欢迎来到打不死的小强的专栏

#if !defined COLHISTOGRAM#define COLHISTOGRAM #include #include  classColorHistogram {    private:     inthistSize[3];floathranges[2];    constfloat* ranges[3];    

一、特征提取Feature Extraction：   SIFT [1] [Demo program][SIFT Library] [VLFeat]   PCA-SIFT [2] [Project]   Affine-SIFT [3] [Project]   SURF [4] [OpenSURF] [Matlab Wrapper]   Affine Covariant Feat

计算机视觉、机器学习相关领域论文和源代码大集合--持续更新……zouxy09@qq.comhttp://blog.youkuaiyun.com/zouxy09 注：下面有project网站的大部分都有paper和相应的code。Code一般是C/C++或者Matlab代码。最近一次更新：2013-3-17一、特征提取Feature Extraction：·        

1、ITTI模型A Model of Saliency-Based Visual Attention for Rapid SceneAnalysis—IT—1998 http://ilab.usc.edu/publications/Itti_etal98pami.bib2、GBVS模型Graph-based visual saliency – GBVS—2006 htt

本文是本人对Lucas Theis,Wenzhe Shi, （Twitter  London, UK ）等人2017年发表的文章“LOSSY IMAGE COMPRESSION WITH COMPRESSIVE AUTOENCODERS” （有损图像压缩自编码器）的自我理解，，本人在看文章之前对神经网络只存在听过的阶段，对图像压缩有一...

转自雷锋网雷锋网(公众号：雷锋网)AI科技评论按：ICLR 2017 将于4月24-26日在法国土伦举行，届时雷锋网AI科技评论的编辑们也将前往法国带来一线报道。在这个深度学习会议举办之前，雷锋网也将围绕会议议程及论文介绍展开一系列的覆盖和专题报道，敬请期待。数据压缩是一种基础工程问题，在数据存储和有限容量信道传输中有重要的应用。图像作为一种信息载体，数据量巨大，因此研究者们对图像压缩的研究从...

FROMReal-Time Adaptive Image CompressionWaveOne, Inc.Paper PDFImage compression is an important step towards our long-term goals at WaveOne. We are excited to share some early results of our resea...

Reproducible Research in Computational Science “It doesn't matter how beautiful your theory is, it doesn't matter how smart you are. If it doesn't agree with expe...

Low rank methodsEfficient Computation of Robust Low-Rank Matrix Approximations in the Presence of Missing Data using the L1 Norm codeLow-Rank Matrix Recovery and Completion via Convex Optimiz...

Links to other communities’ reproducible research effortGeostatistics toolbox mgstat DACEError Correcting Codes (ECC)Face recognition software at face-rec.orgComputer graphics graphi...

UIUC的Jia-Bin Huang同学收集了很多计算机视觉方面的代码，链接如下：https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html TypeTopicNameReferenceLinkCodeStructur

相机标定简介与MatLab相机标定工具箱的使用（未涉及原理公式推导）Post updated by `MetaWeblog API` on Sun Jan 15 2017 16:23:22 GMT+0800 (中国标准时间)相机标定一、相机标定的目的确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，建立摄像机成像的几何模型，这些几何模型参数就是摄像机参

三、致敬“张正友标定”         此处“张正友标定”又称“张氏标定”，是指张正友教授于1998年提出的单平面棋盘格的摄像机标定方法。张氏标定法已经作为工具箱或封装好的函数被广泛应用。张氏标定的原文为“A Flexible New Technique forCamera Calibration”。此文中所提到的方法，为相机标定提供了很大便利，并且具有很高的精度。从此标定可以不需要特殊的标定

申明，本文非笔者原创，原文转载自：http://blog.youkuaiyun.com/van_ruin/article/details/91665911.方向梯度直方图（Histogramof 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。基本知识可以参考博客：http

背景建模算法1 基本原理视频图像中运动目标检测的一种方法，其基本思想是对图像的背景进行建模。一旦背景模型建立，将当前的图像与背景模型进行某种比较，根据比较结果确定前景目标（需要检测的运动目标）。2 难点（1） 环境光照的变化（光照突然性的变化和缓慢的变化）（2） 背景的多模态性（背景中存在的细微的运动将影响前景目标检测的结果）（3） 运动物体的阴影（4） 图像噪声（

关于HOG+SVM，优快云上有一些非常好的文章，这里给出我觉得写的比较好的几篇，仅供大家参考目标检测的图像特征提取之（一）HOG特征HOG：从理论到OpenCV实践opencv 学习笔记-入门（21）之三线性插值-hog(二)这篇博客写的是关于三线性插值的，为了减少混叠效应的，写的很好OpenCV中的HOG+SVM物体分类OpenCV HOGDescriptor

阅读须知本博客涉及到的资源：正样本：http://download.youkuaiyun.com/detail/zhuangxiaobin/7326197负样本：http://download.youkuaiyun.com/detail/zhuangxiaobin/7326205训练和检测工具：http://download.youkuaiyun.com/detail/zhuangxiaobin/74

原文地址：http://aimit.blog.edu.cn/2010/602210.htmlThe genealogy relationship of the learning and vision guys（机器学习与视觉大牛族谱深度挖掘）转自：http://blog.youkuaiyun.com/ustcmsraase/archive/2010/11/09/5996635.aspx

http://blog.youkuaiyun.com/cyxyz/article/details/41821737一、Guide进行多目标跟踪的学习。跟踪的难点：将现在检测到的目标和以前检测的目标进行匹配连接跟踪被遮挡的目标当被遮挡的目标再次出现时，可以重新分配二、Resources1. 这是别人整理的一些跟踪方面的资料，方便以后学习使用。2. 

6.3.1摄像机定标假设你现在已经拍摄了脚的多张各个角度的2D照片，那么如何将这些照片转化成一个3D数字化形状呢？首先第一步，你要对摄像机进行定标，比如确定摄像机的焦距、摆放位置和角度等。我们先来看看摄像机的成像模型[1]。摄像机的成像模型一般采用针孔模型（Pin-Hole Model），与我们中学时学的小孔成像是一个原理，如图6-21所示。图6-21 两千多年前，墨子

玉米竭力用轻松具体的描述来讲述双目三维重建中的一些数学问题。希望这样的方式让大家以一个轻松的心态阅读玉米的《计算机视觉学习笔记》双目视觉数学架构系列博客。这个系列博客旨在捋顺一下已标定的双目视觉中的数学主线。数学推导是有着几分枯燥的，但奇妙的计算机视觉世界是建立在严密的数学架构之上的。所以对数学框架的理解是理解双目视觉的必由之路。不过请大家放心，接下来玉米会以尽量有趣，尽量更接地气儿的方式，阐释一

二、图像坐标：我想和世界坐标谈谈(B)         玉米将在这篇博文中，对图像坐标与世界坐标的这场对话中涉及的第二个问题：谈话方式，进行总结。世界坐标是怎样变换进摄像机，投影成图像坐标的呢？        玉米做了一个简单的图示，在这里做一个提纲。图中显示，世界坐标系通过刚体变换到达摄像机坐标系，然后摄像机坐标系通过透视投影变换到达图像坐标系。可以看出，世界坐标与图像坐标的关系建立

很多人都不了解图像（二维）频谱中的每一点究竟代表了什么，有什么意义?一句话解释为：二维频谱中的每一个点都是一个与之一一对应的二维正弦/余弦波。视觉的优势永远大于其他器官对人的作用，所以对标眼睛的图像处理起到了非常重要的作用。相比于时域分析图像的艰难，在频域分析图像就变得无比轻松，但是由于频域比较抽象，理解起来比较吃力，所以很多人并不能一下子就明白其原理。在此选用了著名的Camera...