您的位置:首页 > 编程语言 > MATLAB

关于matlab上主流的工具箱(CV方向)

2017-03-23 16:11 239 查看
目前我在做的计算机视觉上的研究,需要在matlab上编程实现。我自己用到的几个不错的工具箱有:

①piotr's image & video matlab toolbox

该工具箱是由USCD的大神Piotr Dollar and Vincent Rabaud所写。

主要功能:(摘抄http://blog.csdn.net/clheang/article/details/45640427/)

侧重物体识别(Object Recognition)检测相关的特征提取和分类算法。这个工具箱属于专而精的类型,主要就是Dollar的几篇物体检测的论文的相关算法,如果做物体识别相关的研究,应该是很好用的。同时它的图像操作或矩阵操作函数也可以作为Matlab图像处理工具箱的补充,功能主要包括几个模块: 

* channels模块,图像特征提取,包括HOG等,Dollar的研究工作提出了一种Channel Feature的特征[2],因此这个channels主要包括了提取这一特征需要的一些基本算法梯度、卷及等基本算法 

* classify模块,一些快速的分类相关算法,包括random ferns, RBF functions, PCA等 

* detector模块,与Channel Feature特征对应的检测算法1 

* filters模块,一些常规的图像滤波器 

* images模块,一些常规的图像、视频操作,有一些很实用的函数 

* matlab模块,一些常规的Matlab函数,包括矩阵计算、显示、变量操作等,很实用 

* videos模块,一些常规的视频操作函数等

下载地址:点击打开链接

安装教程:http://blog.csdn.net/clheang/article/details/45640427/

②VLFeat

主要功能:(摘抄http://blog.csdn.net/clheang/article/details/45640427/)

著名的计算机视觉/图像处理开源项目,知名度应该不必OpenCV低太多,曾获ACM Open Source Software Competition 2010一等奖。使用C语言编写,提供C语言和Matlab两种接口。实现了大量计算机视觉算法,包括: 

* 常用图像处理功能,包括颜色空间变换、几何变换(作为Matlab的补充),常用机器学习算法,包括GMM、SVM、KMeans等,常用的图像处理的plot工具。 

* 特征提取,包括 Covariant detectors, HOG, SIFT,MSER等。VLFeat提供了一个vl_covdet() 函数作为框架,可以方便的统一所谓“co-variant feature detectors”,包括了DoG, Harris-Affine, Harris-Laplace并且可以提取SIFT或raw patches描述子。 

* 超像素(Superpixel)分割,包括常用的Quick shift, SLIC算法等 

* 高级聚类算法,比如整数KMeans:Integer k-means (IKM)、hierarchical version of integer k-means (HIKM),基于互信息自动判定聚类类数的算法Agglomerative Information Bottleneck (AIB) algorithm等 

* 高维特曾匹配算法,随机KD树Randomized kd-trees

下载地址:点击打开链接

安装教程:http://blog.csdn.net/clheang/article/details/45640427/

③libsvm&svdd

主要功能:

LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包,他不但提供了编译好的可在Windows系列系统的执行文件,还提供了源代码,方便改进、修改以及在其它操作系统上应用;该软件对SVM所涉及的参数调节相对比较少,提供了很多的默认参数,利用这些默认参数可以解决很多问题;并提供了交互检验(Cross
Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题,包括基于一对一算法的多类模式识别问题。

此外SVDD(支持向量数据描述)

libsvm官网下载svdd工具箱,目前使用libsvm3.22以及svdd3.22版本。

svdd工具箱里面有一个matlab文件夹和3个文件svm.cpp、svm.h、svm-train.c。
将matlab文件夹中的文件svmtrain.c覆盖原libsvm的matlab文件夹中的文件。
将svm.cpp、svm.h、svm-train.c这3个文件覆盖libsvm文件夹下的相同文件。
按本文刚开始讲述的方法进行mex -setup、make等完成安装,根据需要进行改名以及添加Path。

下载地址:点击打开链接

安装教程:http://noalgo.info/363.html

④稀疏建模工具箱spams

这个还没有用过。大致介绍一下

主要功能:(http://blog.csdn.net/songjinmiao/article/details/50601680)

Dictionary learning and matrix factorization (NMF, sparse PCA, …) 字典学习与矩阵分解,如(NMF非负矩阵分解,sparse PCA稀疏PCA,…)

Solving sparse decomposition problems with LARS, coordinate descent, OMP, SOMP, proximal methods 使用LARS、快速下降法、OMP(Orthogonal Matching Pursuit,正交匹配追踪)、SOMP等算法解决稀疏分解问题

Solving structured sparse decomposition problems (l1/l2, l1/linf, sparse group lasso, tree-structured regularization, structured sparsity with overlapping groups,…). 解决结构化稀疏分解问题

下载地址:点击打开链接
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息