目标描述(基于区域的描述)

一些区域描述符很容易根据区域的所有像素直接获得,例如:面积、重心、灰度等。

1、区域面积:基于对象素个数的计数(PS:计算方法多种多样呢)

2、区域重心

3、区域密度

常用密度特征:灰度(或者颜色分量)的最大值、最小值、中值、均值、方差、高阶矩等。多可借助直方图得到。

几种典型的区域密度特诊描述符:

(1) 透射率(transmission):穿透目标的光与射入光的比例

T = 穿透目标的光 / 入射的光

(2) 光密度(optical density)

入射的光与穿透目标的光的比(透射率的倒数),取以10为底的对数。

OD = lg(1/T) = –lgT

光密度的数值范围从0(100%透射)到无穷(完全无透射)

(3) 积分光密度 (integrated optical density)

区域中各象素光密度的和

积分光密度是直方图中各灰度值的加权和

以上描述符,可以取最大值、最小值、中值、均值、方差、高阶矩等。

二、拓扑描述符

拓扑学研究图形不受畸变变形(不包括撕裂或粘贴)影响的性质,拓扑性质:全局性质,与距离无关

1、欧拉数:一个图形的欧拉数不随图形的变化而变化,因此可以用欧拉数来描述。

2、区域不变矩:http://blog.csdn.net/dadaadao/article/details/6114989

不变矩的值不随图像的旋转、平移、镜像、放大、缩小而变化。

来自为知笔记(Wiz)

时间: 2024-10-13 10:35:14

目标描述(基于区域的描述)的相关文章

R-FCN:基于区域的全卷积网络来检测物体

http://blog.csdn.net/shadow_guo/article/details/51767036 原文标题为"R-FCN: Object Detection via Region-based Fully Convolutional Networks ",作者代季峰 1,14年毕业的清华博士到微软亚洲研究院的视觉计算组,CVPR 16 两篇一作的会议主持人~ ╰(°▽°)╯ 同时公布了源码~ 2 后面主要内容为原文随便的翻译或概括.必有不紧贴原文原意之处,曲解请指出,否则

verilog--行为级描述和结构级描述

1.在使用verilog描述电路时,既可以进行行为级的描述,也可以进行结构级的描述. ①行为级描述:侧重对模块行为功能的抽象描述. ②结构级描述:侧重对模块内部结构实现的具体描述. 2.行为级描述 ①描述体的组成 ※由多个并行运行的过程块组成. ※过程块由过程语句(initial和always)和块语句(串行块begin-end和并行块fork-join)组成. ※块语句由过程赋值语句和高级程序语句构成. ◇过程赋值语句:阻塞与非阻塞式赋值. ◇高级程序语句:C语言如if-else.case.w

Arcgis for JS之Cluster聚类分析的实现(基于区域范围的)

原文:Arcgis for JS之Cluster聚类分析的实现(基于区域范围的) 咱们书接上文,在上文,实现了基于距离的空间聚类的算法实现,在本文,将继续介绍空间聚类之基于区域范围的实现方式,好了,闲言少叙,先看看具体的效果: 聚类效果 点击显示信息 显示单个聚类点 下面说说具体的实现思路. 1.数据组织 在进行数据组织的时候,因为是要按照区域范围的,所以必须得包含区域范围的信息,在本示例中,我用的数据依然是全国2000多个区县点的数据,并添加了省市代码,数据如下: 2.聚类思路 根据数据中“p

基于区域的目标检测

目标检测,即在一幅图里框出某个目标位置.有2个任务. 定位出目标的边界框 识别出边界框内的物体的类别 Sliding-window detectors 一种暴力的目标检测方法就是使用滑动窗口,从左到右,从上到下扫描图片,然后用分类器识别窗口中的目标.为了检测出不同的目标,或者同一目标但大小不同,必须使用不同大小,不同宽高比的滑动窗口. 把滑动窗口框出来的图片块resize(因为很多分类器只接受固定大小的图片输入)后,送给CNN分类器,CNN提取出4096个特征.然后使用SVM做分类,用线性回归做

ES5 数据属性描述符和存取描述符

一.数据属性描述符 对象是一个属性集合,对象的基本特征是属性名(name)和属性值(value).ES5 增加了属性描述符,可以更细腻的控制属性的不同操作.属性描述符有 configurable.writable 和 enumerable. 属性描述符通常和 Object.defineProperty/Object.defineProperties 一起使用来定义属性,它也会受到诸如 Object.freeze/Object.seal 等方法改变. 1. configurable 当且仅当 co

路由器配置——基于区域的OSPF简单认证

一.实验目的:掌握区域的OSPF简单认证 二.拓扑图: 三.具体步骤配置: (1)R1路由器配置 Router>enable Router#configure terminal Enter configuration commands, one per line. End with CNTL/Z. Router(config)#hostname R1 R1(config)#interface s0/0/0 R1(config-if)#ip address 192.168.1.1 255.255.

【OpenCV】SIFT原理与源码分析:关键点描述

<SIFT原理与源码分析>系列文章索引:http://www.cnblogs.com/tianyalu/p/5467813.html 由前一篇<方向赋值>,为找到的关键点即SIFT特征点赋了值,包含位置.尺度和方向的信息.接下来的步骤是关键点描述,即用用一组向量将这个关键点描述出来,这个描述子不但包括关键点,也包括关键点周围对其有贡献的像素点.用来作为目标匹配的依据(所以描述子应该有较高的独特性,以保证匹配率),也可使关键点具有更多的不变特性,如光照变化.3D视点变化等. SIFT

web.xml 部署描述符元素

在每一个Web应用程序路径的WEB-INF/下和conf/下存在一个Web.xml配置文件,用来设定Web应用程序的配置.在Web.xml中的设定非常多,接下来分段来说明它的各项设定:<?xml version=1.0 encoding="ISO-8859-1"?><!DOCTYPE Web-app     PUBLIC"-//Sun Microsystems,Inc.//DTD Web Application 2.2//EN"     "

BRIEF特征点描述算法

简介 BRIEF是2010年的一篇名为<BRIEF:Binary Robust Independent Elementary Features>的文章中提出,BRIEF是对已检测到的特征点进行描述,它是一种二进制编码的描述子,摈弃了利用区域灰度直方图描述特征点的传统方法,大大的加快了特征描述符建立的速度,同时也极大的降低了特征匹配的时间,是一种非常快速,很有潜力的算法. BRIEF具体算法 由于BRIEF仅仅是特征描述子,所以事先要得到特征点的位置,可以利用FAST特征点检测算法或Harris