初三-跟踪算法的特征选择
来源:互联网 发布:ubuntu的分辨率改不了 编辑:程序博客网 时间:2024/04/28 18:10
图像特征最重要的属性是独特性,能够咋特征空间内方便区分目标。
可用于跟踪的特征有颜色、边缘、光流和纹理,或者是其中几种的组合。
颜色-最常用的颜色空间是RGB,但它不是均匀分布的;均匀分布的颜色空间是HSV。根据应用选择合适的颜色空间。
边缘-边缘通常伴随着剧烈的intensity变化。对比于颜色特征,边缘特征对光照变化不敏感。最流行的边缘检测算法是Canny算子。
光流-光流特征是定义区域内每个像素变化的稠密位移向量域。通过计算区域内的光照对比度变化得到。通常应用在基于运动的分割和跟踪上。
纹理-纹理是检测物体表面intensity变化的手段,是对光滑程度和规则程度的量化。相对于颜色,它多了一个计算描述符的步骤,对于光照不敏感。GLCM,LAW,Wavelet等是常用的纹理描述符。
大多数情况下图像特征的选择根据应用场合来决定。近来自适应的特征选择也越来越受到重视。自适应的方式可分为filter和wrapper两种形式。前者基于通用的选择标准选择采用的特征;后者基于特征在特定场合的适用程度选择。
其中Adaboost是个流行的wrapper形式特征选择算法。它基于普通分类器的组合寻找最优分类器。
在所有图像特征中,颜色是适用最广泛的,但不够稳定,因为其对光照变化敏感。因此很多情况下用到其它特征来建模目标外观,或使用特征的组合来改进跟踪算法效率。
NEXT STEP - 重点看光流法,Canny和Adaboost
目标检测算法归纳
- 初三-跟踪算法的特征选择
- 跟踪算法的特征选择(转)
- 初三同学的选择(续)
- 初三同学的选择(再续)
- 目标跟踪文章翻译--基于主动特征选择的鲁棒目标跟踪
- 文本特征选择的关键算法总结
- 特征选择-常见的搜索算法
- 基于随机森林的特征选择算法
- 关于特征选择的几种算法
- 使用森林优化算法的特征选择
- 文本特征选择的关键算法总结
- 基于特征点匹配的自适应目标跟踪算法
- 初三同学的选择——上职高是否可行?
- TLD算法特征选择
- TLD算法特征选择 .
- 特征选择算法
- 特征选择常用算法
- 特征选择算法-Relief
- Command模式step by step
- 《让子弹飞》向我们展现真实的革命
- 初一-最好的时代
- linux下如何搜索字符串或替换字符串
- 初二-目标表达
- 初三-跟踪算法的特征选择
- IEnumerable & IEnumerator
- 我的C语言之旅——1
- Android 程序的安装、卸载和更新
- Adobe Acrobat 8 Professional注册问题解决
- windows7管理员身份登录(保存为.reg格式)
- 基于asterisk 的计费和直拨实现---续
- 2011年 奋战2G Android iPhone开发
- 想写点Revit 二次开发方面的点滴