一、特征脸特征脸EigenFace从思想上其实挺简单。就相当于把人脸从像素空间变换到另一个空间，在另一个空间中做相似性的计算。这么说，其实图像识别的基本思想都是一样的，首先选择一个合适的子空间，将所有的图像变换到这个子空间上，然后再在这个子空间上衡量相似性或者进行分类学习。通过变换到另一个空间，同一个类别的图像会聚到一起，不同类别的图像会距离比较远，因为图像各...

LDA线性判别分析也称FLD（Fisher线性判别）是一种有监督的学习方法（supervised learning）。目的：是从高维空间中提取出最优判别力的低维特征，这些特征使同一类别的样本尽可能的靠近，同时使不同类别的样本尽可能的分开，即选择使样本的类间散布矩阵和类内散布矩阵达到最大比值的特征。因此，用FLD得到的特征不但能够较好的表示原始数据，而且更适合分类。...

目标分割的任务是把目标对应的部分分割出来。目标检测：检测到图片当中的目标的具体位置目标识别：即是在所有的给定数据中，分类出哪一些sample是目标，哪一些不是。这个仅仅做一下分类任务。yes or no典型的技术路线是：目标分割 ——>目标检测 ——>目标识别 ——>目标跟踪如：需要对视频中的小明进行跟踪，处理过程将经历如下过程：（1）首先，采集第一帧视频图...

一、卷积层1.卷积操作2.特征提取—"X" or "O"？二、池化(Pooling)三、Relu 层四、全连接层(Fully connected layers)五、反向传播算法BP六、总结作为机器学习的一个分支，深度学习同样需要计算机获得强大的学习能力，那么问题来了，我们究竟要计算机学习什么东西？答案当然是图像特征了。将一张图像看做是一个个像素值组成的...

      先介绍了 Graph cuts，然后再到Grab cut。（可以忽略这段）      Graph cuts是一种十分有用和流行的能量优化算法，在计算机视觉领域普遍应用于前背景分割（Image segmentation）、立体视觉（stereo vision）、抠图（Image matting）等。此类方法把图像分割问题与图的最小割（min cut）问题相关联。首先用一个无向图G=&am

算法流程源码的算法流程可以总结如下，对于图像某个位置的新像素值：（1）与该像素值历史信息（包括前几帧的像素值和像素点是前景还是背景的判断）比较，如果像素值之间的差别在指定阈值内，则认为新像素值与该历史信息是匹配的，是“潜在的”一类；所有历史信息比较完毕后，如果与历史信息匹配的次数超过了设定阈值，那么：（1）新像素点被归为“潜在背景点”（2）如果被匹配的历史信息中属于背景的点个数超过设定阈值，...

最大稳定极值区域（MSER-Maximally Stable Extremal Regions）可以用于图像的斑点区域检测。它是基于分水岭的概念。SIFT和SURF算法高效实现了具有尺度和旋转不变性的特征检测，但这些特征不具有仿射不变性。区域检测针对各种不同形状的图像区域，通过对区域的旋转和尺寸归一化，可以实现仿射不变性。MSER（Maximally Stable Ext...

漫水填充算法漫水填充法是一种用特定的颜色填充算法填充连通区域，通过设置可连通像素的上下限以及连通方式来达到不同的填充效果的方法。基本思想是自动选中了和种子点相连的区域，接着将该区域替换成指定的颜色，经常用来标记或者分离图像的一部分进行处理或分析。漫水填充也可以用来从输入图像获取掩码区域，掩码会加速处理过程，或者只处理掩码指定的像素点。其中掩膜Mask用于进一步控制那些区域将被...

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。阈值法：全局阈值、自适应阈值、OTSU（直方图）区域生长法边缘检测特征聚类：K-means直方图阈值分割灰度阈值分割法是一种最常用的并行区域技术，它是...

创建与访问第一种，是一种vector的赋值方式，将point数据push_back到pcl::PointXYZ类型的模板中。pcl::PointCloud<pcl::PointXYZ> pointCloud;pcl::PointXYZ point;point.x = 2.0f - y;point.y = y;point.z = z;...