信号处理

我一直在研究与基于kinect的应用程序一起使用的标记检测算法，而我能够找到的大部分工作显然都集中在“正常”图像中的特征检测上。 但是，kinect硬件（基本上，一旦您进行了调整）就可以为每个像素提供11位深度值。 此深度图像还具有围绕对象边缘投射的阴影的各种视觉伪像（例如，请参见此视频中的黑色粗边框http://www.youtube.com/watch?v=-q8rRk8Iqww&feature=related）。 虽然某些传统的机器视觉技术（例如边缘检测）可以很好地解决此问题，但其他技术则不能，而且网上似乎很少有信息讨论此问题。 举一个简单的例子，使用深度值使定位标记块的方向很简单。 那么，有没有人看过任何讨论/论文/等等涵盖处理深度图像以进行特征检测的讨论？ 谁能推荐一个好的算法来检测“深度”标记（有效地用折纸块代替打印的黑白标记）？ 到目前为止，我所做的就是使用opencv对图像进行即席实验，但这还不够稳定或不够快。 如果您未经试用就链接到商用机器视觉产品，请在回答中提及您认为合适的理由。

9 computer-vision 

我想知道线性或逻辑回归在信号处理（特别是图像处理）方面的超简单应用吗？ 我是一个数学专家，被要求解释一些信号/图像处理人员的数学方法，并且我希望能够使用几个与他们的领域相关的简单示例，但是我对图像处理知之甚少。因此，我并不是在寻找任何复杂的东西（我不知道这个主题，所以越简单越好；我只是希望找到一些东西来证明这些算法的适用性）。 感谢您的帮助！

9 image-processing  algorithms 

我正在开发一个视觉应用程序，该应用程序使用下面的色表和照相机提取图表中每个色块的颜色。为此，我必须首先检测图像中的图表区域，然后将该区域与包含补丁位置的现有模板进行匹配。 我的问题：我需要通过识别图表的四个角来检测色块区域。您可以在下面的图像中看到小插入矩形指示的角。我知道一种解决方法是让用户通过单击选择那些角。但是有什么方法可以自动检测图像中的四个角。

9 image-processing 

我想对图像执行2D haar离散小波变换和逆DWT。您能以一种简单的语言和一种算法来解释2D haar离散小波变换和DWT逆向算法，我可以使用该算法编写2D haar dwt的代码Google提供的信息太技术性了。我了解将图像划分为4个子带的基本操作：LL，LH，HL，HH，但我真的不明白如何编写程序来执行DWT和IDWT我还读到DWT比DCT更好，因为它是对整个图像执行的，然后有一些解释贯穿了我的头顶。我在这里可能是错的，但我认为DWT和DCT压缩技术因为对它们执行DWT或DCT时图像尺寸会减小。希望你们共享一部分知识并增强我的知识。 谢谢 回复：这与图像格式有什么关系。DWT中使用的“像素值”是什么？我假设它是图像的rgb值。 import java.awt.event.*; import javax.swing.*; import java.awt.image.BufferedImage; import javax.swing.JFrame; import javax.swing.SwingUtilities; import java.io.*; import javax.swing.JFileChooser; import javax.swing.filechooser.FileFilter; import javax.swing.filechooser.FileNameExtensionFilter; import javax.imageio.ImageIO; import java.awt.*; import java.lang.*; import java.util.*; class DiscreteWaveletTransform { public static void main(String arg[]) { DiscreteWaveletTransform dwt=new DiscreteWaveletTransform(); dwt.initial(); } static final int …

9 image  image-processing 

我正在使用FFT分析本质上是信号的功率包络（有关包含项目的信息，请参见此处），并且由于功率数始终为正，因此为了消除直流分量，我想使用一个窗口与通常的全正函数相比，正负函数为50/50。 我已经采用了“ 平顶 ”功能，消除了a0偏差并将其从余弦转换为正弦，但是我不确定这是最佳的（甚至是有意义的）。 有什么建议吗？

9 fft  window-functions 

我需要检测摄像机平移的速度（水平/垂直），以警告操作员放慢速度。 整个图像作为一个块移动，我不需要实际的方向（尽管H或V将是一个奖励），而我只需要一个近似的大小-即。如果在帧之间移动超过“ N”个像素，则触发。 图像很大且通常是均匀的低对比度场景，我没有任何明显的高光要跟踪。我需要实时（60fps）且不使用所有CPU。 Niave解决方案是在中心选取一个RoI，找到边缘，计算成对的帧之间的相似度，将帧中的一个向左/向右/上/下移动一个像素，重复-查找最小值。 我想知道是否有更聪明的解决方案？

9 image-processing  optical-flow  motion-detection 

我在尝试解决此问题时遇到麻烦。我必须计算该信号的卷积： y(t)=e−ktu(t)sin(πt10)(πt)y(t)=e−ktu(t)sin⁡(πt10)(πt)y(t)=e^{-kt}u(t)\frac{\sin\left(\dfrac{{\pi}t}{10}\right)}{({\pi}t)} 其中是Heavyside函数u(t)u(t)u(t) 我应用了公式，说这两个信号的卷积等于 Y(f)=X(f)⋅W(f)Y(f)=X(f)⋅W(f)Y(f)=X(f)\cdot W(f) 其中是第一个信号的傅立叶变换，是第二个信号的傅立叶变换X(f)X(f)X(f)W(f)W(f)W(f) 傅立叶变换是e−ktu(t)e−ktu(t)e^{-kt}u(t)X(f)=1k+j2πfX(f)=1k+j2πfX(f)=\dfrac{1}{k+j2{\pi}f} 我必须使第二个信号尽可能等于sinc(t10)sinc(t10)\text{sinc}\left(\dfrac{t}{10}\right) 所以我做这个操作： sin(πt10)(πt10)(110)sin⁡(πt10)(πt10)(110)\dfrac{\sin\left(\dfrac{{\pi}t}{10}\right)}{\left(\dfrac{{\pi}t}{10}\right)}{\left(\dfrac{1}{10}\right)}等于(110)sinc(t10)(110)sinc(t10){\left(\dfrac{1}{10}\right)}\text{sinc}\left(\dfrac{t}{10}\right) 对不对？

9 fourier-transform  convolution  homework  1d 

使用OpenCV，我可以计算出这两个图像之间的单应性： 和 不用担心右侧的白色奇怪形状，这是由于我使用的智能手机支架所致。由findHomography（）函数提供的单应性（使用通过快速特征检测器和HammingLUT描述符匹配器检测到的点）为： A = [ 1.412817430564191, 0.0684947165270289, -517.7751355800591; -0.002927297251810, 1.210310757993256, 39.56631316477566; 0.000290600259844, -9.348301989015293e-05, 1] 现在，我使用相同的过程，通过使用imagemagick来计算旋转了180度（上下）的相同图像之间的单应性（事实上​​，我同样有兴趣知道旋转90度或90度的关系） 270度...）。他们来了： 和 通过这些图像，单应性变为： B = [ 0.7148688519736168, 0.01978048500375845, 325.8330631554814; -0.1706219498833541, 0.8666521745094313, 64.72944905752504; -0.0002078857275647, -5.080048486810413e-05, 1] 现在，问题是您如何关联A和B？A的两个第一个对角线值接近B中的两个对角线值，但不是很精确（.707805537而不是0.71486885）。我的最终目的是使用所需的关系来变换最终矩阵，从而避免计算代价高昂的图像旋转。

9 image-processing  computer-vision  homography 

我正在使用Rosetta Code上的代码来创建Hough变换。我现在想查找图像中的所有线条。为此，我需要霍夫空间中每个峰的ρ和θ值。五边形的示例输出如下所示： 如何为霍夫空间中可见的每个“热点”找到一个单一的[θ，ρ]坐标？

9 image-processing  matlab  thresholding  hough-transform 

我有一个关于物体识别的问题，尤其是识别汽车模型！我正开始着手在不同图像中识别相同汽车模型的工作。目前，我认为3D对象识别的最佳算法之一是SIFT，但在演示实现中反复试验后，我感到奇怪的是，该算法在有光泽的金属物体（例如汽车）上存在一些问题，尤其是当它们具有不同的颜色时。 有谁知道这个领域的一些工作，总的来说是一些合适的算法，可以在不同的图像中找到相同的汽车模型？ 在此先感谢您的帮助！

9 computer-vision  local-features  object-recognition 

什么是序列的-transform用于？Zž\mathcal ZJ0(αn)Ĵ0（αñ）J_0(\alpha n)n∈Zñ∈žn \in \mathbb{Z} 的零阶贝塞尔函数的傅里叶变换已知为。。这在处有一个极点。这是否意味着 -transform在单位圆上也将有一个极点？thŤH^{\rm th}J0(αx)Ĵ0（αX）J_0(\alpha x)2α2−ω2√2α2-ω2\frac{2}{\sqrt{\alpha^2 - \omega^2}}|ω|&lt;α|ω|&lt;α|\omega| < \alphaω=αω=α\omega = \alphaZž\mathcal Z 编辑： 我正在研究的问题涉及Bessel函数的离散样本，即。我应该如何确定其 -transform？J0（n ）Ĵ0（ñ）J_0(n)žž\mathcal Z

9 fourier-transform  z-transform 

我有一个地震信号y（i）： 在这里，我找到了一个最大值：手动将i = 152.54，y = 222.29绘制为红色。 我想自动查找所有最大值。 我读到，Savitzky Golay滤波器（SGF）可用于找到信号及其导数的平滑估计，并且SGF的好处之一是它比其他滤波器更好地保留了最小值和最大值。这对我来说听起来很棒。 我发现了一个生成SGF系数的Matlab脚本。 并以此发现导数的四阶SGF系数。我编写了一个小的Matlab脚本 通过将信号与导数的4阶SGF系数进行卷积来找到信号的导数 查找导数更改符号的样本对（i，i + 1） 通过i和i + 1之间的线性插值找到导数的零交叉 脚本： function [maxX,maxY] = findLocalMax(y) % Kernel for 4th order Savitzky-Golay filter for finding derivative: d4 = [0.0724 -0.1195 -0.1625 -0.1061 0 0.1061 0.1625 0.1195 -0.0724]; dy = conv(y,d4,'same'); % derivative [m …

9 smoothing  interpolation  peak-detection 

我已经开始使用Matlab和数字图像处理。我正在尝试进行指纹识别。我找到了许多与此有关的研究论文，但是我不确定从哪里开始。简而言之，进行指纹识别的最基本方法/算法是什么？

9 matlab  algorithms  fingerprint-recognition 

如何使用其系数将诸如Hamming或Lanczos之类的窗口函数应用于信号？ 我的意思是，我可以使用哪种方法来做到这一点？FFT？卷积？哪种方法性能更好？

9 window-functions 

在第57-60页上（我最后一次查看预览可用，以防万一，请参见此处的图像），其中描述了梅花形点阵变换。 格子： o • o • o • o • • o • o • o • o o • o • o • o • • o • o • o • o o • o • o • o • • o • o • o • o …

9 wavelet