CV Review
2017-03-23 22:04
183 查看
颜色特征
颜色直方图
RGB颜色空间不符合人眼对颜色相似度的主观判断,颜色直方图方法中一般转换至HSV空间。将灰度值分为n个bins,统计每个bins上的像素数目,再归一化,作为颜色特征向量。
Bag of colors
与颜色直方图类似,只是用CIE-Lab颜色空间(更符合人眼视觉感知),并且bins由聚类产生,再统计直方图。LUCID
(Locally Uniform Comparison Image Descriptor, NIPS 2012)用归一化小图上的像素颜色的排序作为颜色描述符,从获取描述符到图像pair之间的距离计算,只需要三行matlab代码即可完成。简单快速。
纹理特征
Gabor小波
。。。共生矩阵
。。。LBP
应用非常广泛!算法原理:原始的LBP算子定义在像素3*3的邻域内,以邻域中心像素为阈值,相邻的8个像素的灰度值与邻域中心的像素值进行比较,若周围像素大于中心像素值,则该像素点的位置被标记为1,否则为0。这样,3*3邻域内的8个点经过比较可产生8位二进制数,将这8位二进制数依次排列形成一个二进制数字,这个二进制数字就是中心像素的LBP值,LBP值共有28种可能,因此LBP值有256种。中心像素的LBP值反映了该像素周围区域的纹理信息。
备注:计算LBP特征的图像必须是灰度图,如果是彩色图,需要先转换成灰度图。
局部特征
SIFT
来了!大名鼎鼎的SIFT,应用最广泛的hand-craft特征没有之一了吧。1、构建尺度空间
用不同的高斯卷积核进行卷积,得到不同模糊程度的图,为了更好地检测关键点,用的是它们的差,称之为高斯差分(DOG)。构建图像金字塔,对图像通过下采样得到不同尺度的图像(每个尺度都按上文进行高斯差分)
这样可以保证尺度不变性
2、关键点检测
每个点与其26邻域比较,若它是极小、极大值点,则标记为关键点。3、形成描述符
在关键点周围取一个小邻域(是吧?)统计梯度方向直方图,得到关键点的主方向。将图像坐标轴旋转至关键点主方向(为了保证旋转不変性),取关键点周围16*16邻域,其中每4*4的小块统计一个8个bins的梯度直方图,共16个直方图,最终形成一个16*8 = 128维的特征向量。
局部特征聚合方法
BOF
。。。FV
。。。VLAD
。。。Hashing算法
ITQ
。。。PQ
。。。OPQ
。。。索引构建
倒排索引
。。。Inverted MUlti-Index
。。。相关文章推荐
- CV书单-Benjio PAMI review (up tp 2013)
- 【openstack】【gitreview】确认自己的的环境是否能链接到review.openstack.org
- OpenCv学习笔记(1)---CvTermCriteria---迭代算法终止条件结构体的---OpenCV源码分析
- 【Stanford机器学习笔记】5-Review for Chapter 1-4
- 【OpenCV】中cvCreateImage、cvSaveImage、cvReleaseImage
- MyBatis Review——加载mappers映射文件的三种方式
- 对语句 cv::Point2f srcPoint[3];的理解~
- Rotation Vector CV Crosscheck
- Emgu.CV.CvInvoke的类型初始值设定项引发异常
- colorReduce8(cv::Mat image, int div=64) // using Mat_ iterator
- CV | 智能缩放:浅谈Seam Carving算法 (1)
- caffe: compile error : undefined reference to `cv::imread(cv::String const&, int)' et al.
- Java review--集合
- 【CV知识学习】【转】beyond Bags of features for rec scenen categories。基于词袋模型改进的自然场景识别方法
- 从ffmpeg的AVFrame得到iOS的CVPixelBuffer
- SimpleCV中img.show()和img.save(display)的不同
- 利用gridsearchcv进行交叉验证参数调优实战
- VideoCapture读取不到视频,但cvCreateFileCapture可以,什么情况?
- 【20160924】GOCVHelper MFC增强算法(1)
- Java-Review-Note——2.面向对象