原创 集成方法Ensemble Method(bagging, AdaBoost)
1 主要思想 將原始數據分成幾個組 訓練一組分類器，裏面有很多種分類器 每個分類器的標籤看作一次投票，投票最多的標籤爲最終標籤 其架構如下所示： 2 爲什麼集成方法可行 假設這裏有25個訓練的基礎分類器，且這些分類器獨立工作，不會相互影
2019-09-26 18:28:21
14
原创 光流（Optical Flow）
1 相關概念 光流（場）：表示空間運動的物體在觀察成像平面上的像素運動。 如下圖所示，爲了從第一個子圖轉移到第二個子圖， 圖像中每個像素點的運動如右子圖所示。 運動場：物體在真實世界中的運動。 2 如何計算光流(Lucas-Kana
2019-09-26 18:28:10
81
原创 Structure from motion 問題
1 問題描述 已知一個圖像庫，裏面有很多從不同角度不同具體拍攝同一物體的照片，求 構建該物體的3D模型 找出這些圖像的拍照位置 如下圖所示： 2 用數學語言描述問題 輸入：一批圖像，隱含着許多對應點 輸出： 每一個對應點對應的現實世
2019-09-22 18:11:50
3
原创 立體視覺（Stereo Vision）-本徵矩陣（essential matrix）和基本矩陣(fundamental matrix)
1 物體深度 問題描述：從不同的位置拍攝相同物體的兩張圖片，恢復其深度 這裏假設攝像機的鏡頭平行 由相似三角形： 由上面第一、二等式可得： 深度與視差成反比 2 如何配對左右圖片的點 問題描述：已知兩張圖像，由不同的照相機拍下
2019-09-19 23:24:44
140
原创 求解相機參數Camera Calibration
1 主要思想 使用黑白棋盤格，記錄世界座標系中關鍵點的座標，然後使用手機拍照，記錄相應點像素點的座標。 這樣就得到了許多3D-2D的配對點 2 詳細過程 由 上一篇博客 內容可知， 其中 P‘ 爲像素座標， Pw爲世界座標系的點
2019-09-19 23:24:44
11
原创 計算圖像的景深
在 上一篇 博客中，景深與視差成反比，其公式爲： 爲焦距， 爲左右相機的距離，分別爲兩張圖像的點距離各自中心點的距離。 對於左圖像的每一個像素點 ，求圖像景深可以分爲以下幾步， 在右圖中，找到左圖像的像素點對應的極線 掃描極線，找到最
2019-09-19 23:24:44
6
原创 照相機的成像變換
1 變換過程 照相機的成像變換過程可以分爲3步：世界座標系——>相機座標系——>圖像座標系——>像素座標系 2 世界座標系——>相機座標系 景物從世界座標系轉換到相機座標系需要使用到剛體變換（物體不發生變形，對一個幾何物體做旋轉或平移
2019-09-16 16:32:50
2
原创 圖像對齊（image alignment）
1、圖像對齊的步驟 已知圖像A和B，圖像對齊的步驟： 提取圖像A和B的特徵 匹配圖像A和B中的特徵 求解圖像A和B的對齊矩陣 2 使用最小二乘求解對齊矩陣的問題 使用最小二乘求解對齊矩陣容易受到outliers的影響, 誤差會很大。
2019-09-16 16:32:50
11
原创 如何求解圖像變換的矩陣
1、問題描述 已知兩張圖像A,B，求解從圖像A到圖像B的變換矩陣？ 2、平移（translation） 2.1 均值法 首先找到兩張圖像中的特徵點 然後計算點的位移： 再計算 n 個點的平均值，這裏假設平移的距離爲，則 2.2 最
2019-09-15 19:01:53
原创 圖像變換（Image transformations）
1 圖像變換和圖像濾波（image filtering）的區別 1.1 圖像濾波 圖像濾波改變像素點的灰度值，不改變像素點的座標，如下圖所示。 用函數可表示爲： 其中f(x)表示原圖，h(x)表示濾波器 1.2 圖像變換 圖像變換改
2019-09-15 16:36:46
原创 卷積神經網絡（CNN：Convolutional Neural Network）
1、感知器（perceptron） 感知器是卷積神經網絡的基本單元，下圖展示了其工作原理，爲了方便理解，圖中只顯示了3個輸入。 向量w爲輸入向量x的權重，b爲偏差，最後對x的線性組合（）的值進行判斷， 如果值大於0，輸出1. 如果值小於
2019-09-08 00:29:44
原创 局部特徵檢測器和描述符
圖像匹配有三個步驟：檢測特徵點，特徵描述和匹配 1、檢測特徵點 好的特徵點的位置不隨圖像亮度變換的改變，只與圖像的幾何變換有關。 1.1 圖像變換 1.1.1 幾何變換：旋轉和伸縮 1.1.2 亮度變換 1.2 Harris角點檢測的
2019-09-07 16:34:07
原创 BoW(詞袋Bag of words)
Bag-of-words詞袋模型最初被用在信息檢索領域。例如檢索一篇文檔，只需考慮文檔中出現單詞的頻率，而不用考慮語法語序等。在圖像領域，如果把一幅圖像當作文檔，圖像中的圖像塊的特徵向量視爲文檔內的詞，BoW在圖像領域也可以取得很好的效果
2019-09-06 00:29:44
原创 Harris 角點檢測(Harris corner detection)
在許多應用中，會運用到特徵提取。 比如，把下方兩張圖片縫合成一張圖片。哪麼從哪些地方開始縫合呢？這些地方可以通過特徵提取找到。 1、特徵 圖片上的特徵點應該具有怎樣的特性？ a. 圖片上的特徵點不隨圖片的變化（平移，旋轉，放大，縮小等
2019-09-05 00:41:25
41
原创 圖像重採樣
圖像重採樣包含兩種情形，一種是下采樣（downsampling），把圖像變小；另一種是上採樣（upsampling)，把圖像變大。 1、次級採樣（sub-sampling） 每隔一個，扔掉行和列，創建一個更小的圖像。 2、下采樣（dow
2019-09-02 18:51:01
2