Rana专栏

光学MEMS振镜是激光扫描的最关键的器件，目前来说，按照不同的驱动方式，分为静电式、压电式、电磁式、热电式。作为光学MEMS入门小白，在此主要说清楚二维MEMS振镜扫描成像的原理。   二维MEMS振镜也称为二维谐振振镜，能够沿两个轴做简谐振动的反射镜，在做谐振运动的时候，就产生了李萨如图形。利萨茹(Lissajous)曲线（又称利萨茹图形、李萨如图形或鲍迪奇(Bowditch)曲线）是两

转自：http://blog.csdn.net/wangkr111/article/details/21409593在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。国内教材和CNKI上的基本是N年前老掉牙的东西。有人会质疑这些会议都只是EI。是的，这的确非常特殊：在许多其它领域，会议都是盛会，比如society of neuroscience的会议，每次都有上万人参加，带个abstra

KNN也是最邻近结点算法（k-Nearest Neighbor algorithm）的缩写形式，也可称为邻近算法。是电子信息分类器算法的一种。KNN方法对包容型数据的特征变量筛选尤其有效。最邻近结点算法采用向量空间模型来分类，概念为相同类别的案例，彼此的相似度高，而可以借由计算与已知类别案例之相似度，来评估未知类别案例可能的分类。目标：分类未知类别案例。输入：待分类未知类别案例项目。已知类

转：http://blog.csdn.net/chuminnan2010/article/details/21439743matlab 学习http://www.cnblogs.com/tiandsp/    DSP TIAN http://www.matlabsky.com/index.php     matlab的重要集散地  SVM 

图像边缘检测 系统总结

二阶微分算子检测出的边界细节信息较多，而一阶微分算子检测出的非细节轮廓更清晰评价边缘检测性能优劣的三指标：1.好的信噪比，即将非边缘点判为边缘点的概率以及将边缘点判为非边缘点的概率要低；2.好的定位性能，即检测出的边缘点要尽可能在实际边缘的中心；3.对单一边缘仅有唯一响应，即单个边缘产生多个响应的概率要低，并且虚假响应边界应得到最大抑制。希望在提高对景物

利用图像强度二阶导数的零交叉点来求边缘点的算法对噪声十分敏感，所以在边缘增强前滤除噪声。为此，马尔（Marr）和希尔得勒斯（Hildreth）根据人类视觉特性提出了一种边缘检测的方法，该方法将高斯滤波和拉普拉斯检测算子结合在一起进行边缘检测的方法，故称为Log（Laplacianof Gassian ）算法。也称之为拉普拉斯高斯算法。该算法的主要思路和步骤如下：

Sobel边缘算子的卷积和如图2.2所示,图像中的每个像素都用这两个核做卷积。这两个核分别对垂直边缘和水平边缘响应最大，两个卷积的最大值作为该点的输出位。运算结果是一幅边缘幅度图像。 Sobel算子认为邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越大，产生的影响越小。I=imread('lena.bmp'

Wallis微分算子     模板为L=[    0, -log,   0;                      -log, 4log,-log;                        0, -log,   0]      该模板是将Laplacian微分算子和对数算子结合的一种锐化算子。因为人眼对画面信号的处理过程中有一个近似的对数运算环节，解决了L

检测阶跃边缘的基本思想是在图像中找出具有局部最大梯度幅值的像素点。图像边缘检测必须满足两个条件：一是必须能有效地抑制噪声；二是必须尽量精确确定边缘的位置。既要提高边缘检测算子对边缘的敏感性，同时也提高了对噪声的敏感。1.Canny边缘检测基本原理：(1)具有既能滤去噪声又保持边缘特性的边缘检测最优滤波器，其采用一阶微分滤波器。采用二维高斯函数的任意方向上的一阶方向导数为噪声滤波器，通过与图

拉普拉斯算子一种二阶边缘检测算子，它是一个线性的、移不变算子。是对二维函数进行运算的二阶导数算子，对一个连续函数f (x, y)它在图像中的位置(x, y),拉普拉斯值定义为：Laplacian算子利用二阶导数信息，具有各向同性，即与坐标轴方向无关，坐标轴旋转后梯度结果不变。使得图像经过二阶微分后，在边缘处产生一个陡峭的零交叉点，根据这个对零交叉点判断边缘。其4邻域系统和8邻域

Prewitt边缘算子的卷积和如下图所示，图像中的每个像素都用这两个核做卷积，取最大值作为输出，也产生一幅边缘幅度图像。 Prewitt算子在一个方向求微分，而在另一个方向求平均，因而对噪声相对不敏感，有抑制噪声作用。但是像素平均相当于对图像的低通滤波，所以Prewitt算子对边缘的定位不如Roberts算子。I=imread('lena.bmp');I=im2double(I);

Roberts算子是一种利用局部差分算子寻找边缘的算子，由下式给出：其中f(x,y)是具有整数像素坐标的输入图像，平方根运算使该处理类似于在人类视觉系统中发生的过程。Roberts算子边缘定位准，但是对噪声敏感。适用于边缘明显而且噪声较少的图像分割，在应用中经常用Roberts算子来提取道路。I=imread('lena.bmp');I=im2double(I);figur

自从谷歌眼镜被推出以来，围绕人脸识别，出现了很多争议。我们相信，不管是不是通过智能眼镜，人脸识别将在人与人交往甚至人与物交互中开辟无数种可能性。为了帮助研究过程中探索人脸识别，我们列出以下人脸检测和识别 API。希望有所帮助！Face++： http://cn.faceplusplus.com/--Face++是北京旷视科技有限公司（Megvii）搭建的新型视觉服务平台旨在创建简单易用，功

最大期望算法（Expectation-maximization algorithm，又译期望最大化算法）在统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。最大期望经常

Computer Vision是AI的一个非常活跃的领域，每年大会小会不断，发表的文章数以千计（单是CVPR每年就录取300多，各种二流会议每年的文章更可谓不计其数），新模型新算法新应用层出不穷。可是，浮华背后，根基何在？对于Vision，虽无大成，但涉猎数年，也有管窥之见。Vision所探索的是一个非常复杂的世界，对于这样的世界如何建模，如何分析，却一直没有受普遍承认的理论体系。大部分的

Struct跟踪算法，自适应的一边跟踪，一边检测的跟踪目标物体算法，类似于TLD算法，运用了SVM分类器，HAAR特征等特征提取算法。。。

本文主要是对机器视觉以及与其密切相关的机器学习，模式识别等领域的研究团队做一个的汇总。网上目前流传最广的几个版本中有很多链接已经失效，同时许多新的研究小组没有加入，因此对最新信息的一个聚合应当会十分有用。需要说明的是，本文所汇总的都是网站能够正常访问，并且近3年来内容有更新的研究小组。一些研究小组的主页由于访问失败，或者近年来内容没有更新，并未收录。在收录的过程中，排名不分先后，完全是根据

OpenCv提供了5种对比直方图的方式：CORREL（相关）、CHISQR（卡方）、INTERSECT（相交）、BHATTACHARYYA、EMD（最小工作距离），其中CHISQR速度最快，EMD速度最慢且有诸多限制，但是EMD的效果可能最好。

基于内容的图像搜索技术早在70年代就有机构在做相关的研究，目前比较成功的有IBM的QBIC系统，Virage公司的图像检索系统，MIT的Photobook及美国加州大学开发的Chabot。基于内容的图像检索最关键的就是找到适合用于搜索的特征，常用的特征提取算法有：      基于颜色特征：颜色直方图、颜色集、颜色矩、颜色聚合向量、MEPG7颜色布局算子；      基于纹理特征：T

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。图像，视频IO/Image, Video IOFreeImageDevILImageMagickFF

Jia-Bin Huang童鞋收集，此童鞋毕业于国立交通大学，之前拍过很多CVPR举办地科罗拉多州的照片，这里大多为matlab code,link: https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html包括：Feature Extraction：SIFT [1] [Demo progr

环境：matlab2012a

转载自：http://www.cnblogs.com/liqizhou/archive/2012/05/12/2497220.html  记得刚读研究生的时候，学习的第一个算法就是meanshift算法，所以一直记忆犹新，今天和大家分享一下Meanshift算法，如有错误，请在线交流。Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,

#include "stdafx.h"#include #include #include #include #include #include int main( int argc, char** argv ){ int height ,width ,step ,channels ; int i,j,k,same ,max,min,thresh,sum

ID3, C4.5, C5.0, CARTID3 1986年 Quilan选择具有最高信息增益的属性作为测试属性01ID3(DataSet, featureList):02  - 创建根节点R03  - 如果当前DataSet中的数据都属于

#include "stdafx.h"#include #include #include #include #include #include using namespace cv; using namespace std;int main(int argc, char** argv){cout << "Corner Detection OpenCV!"<<endl;c

所谓图像边缘（Edlge）是指图像局部特性的不连续性，例如，灰度级的突变，颜色的突变，纹理结构的突变等。边缘广泛存在于目标与目标、物体与背景、区域与区域（含不同色彩）之间，它是图像分割所依赖的重要特征。本为主要讨论几种典型的图像灰度值突变的边缘检测方法，其原理也是用于其他特性突变的边缘检测。在讨论边缘检测方法之前，首先介绍一些术语的定义。（1）   边缘点：图像中灰度显著变化的点。（2

%--------------------------------------------------------------------------% 调用medfilt1函数对加噪正弦波信号进行平滑处理%--------------------------------------------------------------------------%****

%*****************产生加噪正弦波信号，绘制加噪波形图*************************t = linspace(0,2*pi,500)'; % 产生一个从0到2*pi的向量，长度为500y = 100*sin(t); % 产生正弦波信号% 产生500行1列的服从N(0,152)分布的随机数，作为噪声信号noise = normrnd(0,15,500,

笔记->印象笔记（沃尔什变换篇）/************************************************************************* * * 函数名称： * WALSH() * * 参数: * double * dpf - 指向时域值的指针 * double * dpF - 指向频域值的指针 * r

LU分解(LU Decomposition)是矩阵分解的一种，可以将一个矩阵分解为一个下三角矩阵和一个上三角矩阵的乘积（有时是它们和一个置换矩阵的乘积）。LU分解主要应用在数值分析中，用来解线性方程、求反矩阵或计算行列式。      将系数矩阵A转变成等价两个矩阵L和U的乘积 ，其中L和U分别是下三角和上三角矩阵。当A的所有顺序主子式都不为0时，矩阵A可以分解为A=LU，且分解唯一。其中L是单

笔记-印象笔记->小波变换篇   存在着大量的小波变换，每个适合不同的应用。完整的列表参看小波相关的变换列表，常见的如下：连续小波变换（CWT）离散小波变换（DWT）快速小波转换（FWT）小波包分解（Wavelet packet decomposition） （WPD）离散小波Beylkin（18）Coiflet（6, 12, 18, 24, 3

一维快速傅里叶变换与反变换/************************************************************************* * * \函数名称： * FFT_1D() * * \输入参数: * complex * pCTData - 指向时域数据的指针，输入的需要变换的数据 * complex * pCFData -

项目所需，涉及到图像的跟踪。   SIFT算法，pHash算法，直方图匹配，FragTrack算法。   SIFT算法学习

转载自原文  http://elevencitys.com/?p=5426（1）期刊论文，主要来源于以下期刊：TPAMI，IJCV，TIP，CVIU，IVC，MVA，PR，JMIV，IJPRAI…（3）SCI检索次数大于1000，来源于Web of Science数据库，2012年12月初的检索结果Top 20 榜单如下： [1] D. G. Lowe, “Distin

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。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的

在视觉通路上，视网膜上的光感受器(杆体细胞和锥体细胞)通过接受光并将它转换为输出神经信号而来影响许多神经节细胞、外膝状体细胞以及视觉皮层中的神经细胞．反过来，任何一种神经细胞(除起支持和营养作用的神经胶质细胞外)的输出都依赖于视网膜上的许多光感受器．我们称直接或间接影响某一特定神经细胞的光感受器细胞的全体为该特定神经细胞的感受野(receptive field)．       1953年Kuf

一、QR码属于矩阵式二维码中的一个种类，由DENSO(日本电装)公司开发，由JIS和ISO将其标准化。QR码的样子其实在很多场合已经能够被看到了，我这还是贴个图展示一下：二、QR码的特点说到QR码的特点，一是高速读取(QR就是取自“QuickResponse”的首字母)二是高容量、高密度；理论上内容经过压缩处理后可以存7089个数字，4296 个字母和数字混合字符，29

转自 Copyright (C) 2006 by Mian Zhou M.Zhou@reading.ac.uk /*************************************************************************** * Copyright (C) 2006 by Mian Zhou * * M.Zhou@re