影象處理中專案程式碼合集，包括特徵提取-影象分割-分類-匹配-降噪等等
Topic |
Resources |
References |
Feature Extraction |
|
|
Image Segmentation
|
|
|
Object Detection |
|
|
Saliency Detection |
|
|
Image Classification |
|
|
Category-Independent Object Proposal |
||
MRF |
|
|
Shadow Detection |
||
Optical Flow |
|
|
Object Tracking |
|
|
Image Matting |
||
Bilateral Filtering |
||
Image Denoising |
||
Image Super-Resolution |
||
Image Deblurring |
||
Image Quality Assessment |
|
|
Density Estimation |
|
|
Dimension Reduction |
||
Sparse Coding |
||
Low-Rank Matrix Completion |
||
Nearest Neighbors matching |
|
|
Steoreo |
|
|
Structure from motion |
|
|
Distance Transformation |
|
|
Chamfer Matching |
|
|
Classification |
||
Regression |
|
|
Multiple Kernel Learning (MKL) |
|
|
Multiple Instance Learning (MIL) |
|
|
Other Utilities |
Useful Links (dataset, lectures, and other softwares)
一、特徵提取Feature Extraction：
-
PCA-SIFT [2] [Project]
-
Affine-SIFT [3] [Project]
-
Affine Covariant Features [5] [Oxford project]
-
Geometric Blur [7] [Code]
-
Local Self-Similarity Descriptor [8] [Oxford implementation]
-
Global and Efficient Self-Similarity [9] [Code]
-
Shape Context [12] [Project]
-
Color Descriptor [13] [Project]
-
Pyramids of Histograms of Oriented Gradients [Code]
-
Boundary Preserving Dense Local Regions [15][Project]
-
Weighted Histogram[Code]
-
An OpenCV - C++ implementation of Local Self Similarity Descriptors [Project]
-
Fast Sparse Representation with Prototypes[Project]
-
Corner Detection [Project]
-
AGAST Corner Detector: faster than FAST and even FAST-ER[Project]
-
Real-time Facial Feature Detection using Conditional Regression Forests[Project]
-
Global and Efficient Self-Similarity for Object Classification and Detection[code]
-
WαSH: Weighted α-Shapes for Local Feature Detection[Project]
-
Online Selection of Discriminative Tracking Features[Project]
二、影象分割Image Segmentation：
-
Normalized Cut [1] [Matlab code]
-
Gerg Mori’ Superpixel code [2] [Matlab code]
-
Efficient Graph-based Image Segmentation [3] [C++ code] [Matlab wrapper]
-
OWT-UCM Hierarchical Segmentation [5] [Resources]
-
Quick-Shift [7] [VLFeat]
-
SLIC Superpixels [8] [Project]
-
Segmentation by Minimum Code Length [9] [Project]
-
Biased Normalized Cut [10] [Project]
-
Segmentation Tree [11-12] [Project]
-
Entropy Rate Superpixel Segmentation [13] [Code]
-
Fast Approximate Energy Minimization via Graph Cuts[Paper][Code]
-
Efficient Planar Graph Cuts with Applications in Computer Vision[Paper][Code]
-
Isoperimetric Graph Partitioning for Image Segmentation[Paper][Code]
-
Blossom V: A new implementation of a minimum cost perfect matching algorithm[Code]
-
An Experimental Comparison of Min-Cut/Max-Flow Algorithms for Energy Minimization in Computer Vision[Paper][Code]
-
Geodesic Star Convexity for Interactive Image Segmentation[Project]
-
Contour Detection and Image Segmentation Resources[Project][Code]
-
Biased Normalized Cuts[Project]
-
Max-flow/min-cut[Project]
-
Chan-Vese Segmentation using Level Set[Project]
-
A Toolbox of Level Set Methods[Project]
-
Re-initialization Free Level Set Evolution via Reaction Diffusion[Project]
-
A Variational Multiphase Level Set Approach to Simultaneous Segmentation and Bias Correction[Paper][Code]
-
Level Set Method Research by Chunming Li[Project]
-
ClassCut for Unsupervised Class Segmentation[code]
-
SEEDS: Superpixels Extracted via Energy-Driven Sampling [Project][other]
三、目標檢測Object Detection：
-
A simple object detector with boosting [Project]
-
INRIA Object Detection and Localization Toolkit [1] [Project]
-
Discriminatively Trained Deformable Part Models [2] [Project]
-
Cascade Object Detection with Deformable Part Models [3] [Project]
-
Poselet [4] [Project]
-
Implicit Shape Model [5] [Project]
-
Viola and Jones’s Face Detection [6] [Project]
-
Bayesian Modelling of Dyanmic Scenes for Object Detection[Paper][Code]
-
Hand detection using multiple proposals[Project]
-
Color Constancy, Intrinsic Images, and Shape Estimation[Paper][Code]
-
Discriminatively trained deformable part models[Project]
-
Gradient Response Maps for Real-Time Detection of Texture-Less Objects: LineMOD [Project]
-
Image Processing On Line[Project]
-
Robust Optical Flow Estimation[Project]
-
Where's Waldo: Matching People in Images of Crowds[Project]
-
Scalable Multi-class Object Detection[Project]
-
Class-Specific Hough Forests for Object Detection[Project]
-
Deformed Lattice Detection In Real-World Images[Project]
-
Discriminatively trained deformable part models[Project]
四、顯著性檢測Saliency Detection：
-
Itti, Koch, and Niebur’ saliency detection [1] [Matlab code]
-
Frequency-tuned salient region detection [2] [Project]
-
Saliency detection using maximum symmetric surround [3] [Project]
-
Attention via Information Maximization [4] [Matlab code]
-
Context-aware saliency detection [5] [Matlab code]
-
Graph-based visual saliency [6] [Matlab code]
-
Saliency detection: A spectral residual approach. [7] [Matlab code]
-
Segmenting salient objects from images and videos. [8] [Matlab code]
-
Saliency Using Natural statistics. [9] [Matlab code]
-
Discriminant Saliency for Visual Recognition from Cluttered Scenes. [10] [Code]
-
Learning to Predict Where Humans Look [11] [Project]
-
Global Contrast based Salient Region Detection [12] [Project]
-
Bayesian Saliency via Low and Mid Level Cues[Project]
-
Top-Down Visual Saliency via Joint CRF and Dictionary Learning[Paper][Code]
-
Saliency Detection: A Spectral Residual Approach[Code]
五、影象分類、聚類Image Classification, Clustering
-
Pyramid Match [1] [Project]
-
Spatial Pyramid Matching [2] [Code]
-
Locality-constrained Linear Coding [3] [Project] [Matlab code]
-
Texture Classification [5] [Project]
-
Multiple Kernels for Image Classification [6] [Project]
-
Feature Combination [7] [Project]
-
SuperParsing [Code]
-
Large Scale Correlation Clustering Optimization[Matlab code]
-
Detecting and Sketching the Common[Project]
-
User Assisted Separation of Reflections from a Single Image Using a Sparsity Prior[Paper][Code]
-
Filters for Texture Classification[Project]
-
Multiple Kernel Learning for Image Classification[Project]
-
SLIC Superpixels[Project]
六、摳圖Image Matting
-
A Closed Form Solution to Natural Image Matting [Code]
-
Spectral Matting [Project]
-
Learning-based Matting [Code]
七、目標跟蹤Object Tracking：
-
A Forest of Sensors - Tracking Adaptive Background Mixture Models [Project]
-
Object Tracking via Partial Least Squares Analysis[Paper][Code]
-
Robust Object Tracking with Online Multiple Instance Learning[Paper][Code]
-
Online Visual Tracking with Histograms and Articulating Blocks[Project]
-
Incremental Learning for Robust Visual Tracking[Project]
-
Real-time Compressive Tracking[Project]
-
Robust Object Tracking via Sparsity-based Collaborative Model[Project]
-
Visual Tracking via Adaptive Structural Local Sparse Appearance Model[Project]
-
Online Discriminative Object Tracking with Local Sparse Representation[Paper][Code]
-
Superpixel Tracking[Project]
-
Learning Hierarchical Image Representation with Sparsity, Saliency and Locality[Paper][Code]
-
Visual Tracking with Online Multiple Instance Learning[Project]
-
Object detection and recognition[Project]
-
Compressive Sensing Resources[Project]
-
Robust Real-Time Visual Tracking using Pixel-Wise Posteriors[
相關推薦
影象處理中專案程式碼合集，包括特徵提取-影象分割-分類-匹配-降噪等等
這幾天在研究血管增強與分割，發現一個比較全面的影象處理方面的專案集合，裡面涵蓋了特徵提取、影象分割、影象分類、影象匹配、影象降噪，光流法等等方面的專案和程式碼集合，專案是2012年之前的，但是涵蓋比較基礎的原理知識，用到的時候可以參考一下： Topic
自然語言處理簡潔自用程式碼合集
記錄文書處理的各種簡介的程式碼表示 1.快速去除中文標點（read的時候要以utf8格式） def clean_str(string): string = re.sub("[^\u4e00-\u9fff]", " ", string) s
模糊集理論在影象處理中的應用
本文選自：http://www.cnblogs.com/Imageshop/p/3302850.html，作者寫的非常不錯，包括另外一篇文章：http://www.cnblogs.com/Imageshop/p/3307308.html，感謝作者的辛勤勞動！自己整理過來備份。 這是篇
影象分割程式碼合集【轉】
原文：http://www.360doc.com/content/12/0201/11/8703626_183332994.shtml Computer Vision Resources Maintained by Jia-Bin Huang Submit resource l
影象處理中，SIFT，FAST，MSER，STAR等特徵提取演算法的比較與分析（利用openCV實現）
本人為研究生，最近的研究方向是物體識別。所以就將常用的幾種特徵提取方式做了一個簡要的實驗和分析。這些實驗都是藉助於openCV在vs2010下完成的。基本上都是使用的openCV中內建的一些功能函式。 1. SIFT演算法 尺度不變特徵轉換(Scale-inva
影象處理中各種邊緣檢測的微分運算元簡單比較(Sobel，Robert， Prewitt，Laplacian，Canny)
在邊沿檢測中，常用的一種模板是Sobel 運算元。Sobel 運算元有兩個，一個是檢測水平邊沿的；另一個是檢測垂直平邊沿的 。Sobel運算元另一種形式是各向同性Sobel(Isotropic Sobel)運算元，也有兩個，一個是檢測水平邊沿的，另一個是檢測垂直平邊沿的 。各向同性Sobel運算元和普通Sob
JavaScript電子書合集，你不領一份兒嗎
scrip mage 合集 理解 png 都是 .com body 高清 學習編程不能只看視頻。 看技術博客，看文檔，看相關編程書籍，都是必不可少的學習環節，也是加深對語言理解的一種有效方法。 這裏，略小坑給大家整理了36本JavaScript經典書籍的電子版，除了幾本是掃
大數據：數據大合集，你想要的這裏或許會有
數據資源大數據時代，用數據做出理性分析顯然更為有力。做數據分析前，能夠找到合適的的數據源是一件非常重要的事情，獲取數據的方式有很多種，不必局限。下面將從公開的數據集、爬蟲、數據采集工具、付費API等等介紹。給大家推薦一些能夠用得上的數據獲取方式。 一、公開數據庫 1.常用數據公開網站 UCI：經典的機器學習、
萌生玩吧單機遊戲合集，持續更新，一鍵下載，一次購買，長期下載。
中文補丁 工作 大戰 1.7 軟件 塔防 bsp 補丁 勛章 持續更新，一鍵下載，一次購買，長期下載。 不忘初心方得始終，堅持做廣大網友心目中最好用的遊戲合集！良心賣家【沒有的遊戲免費幫找】下面是遊戲表群內還有2000G遊戲種子，並長期更新遊戲。帶圖十字好評後審核後進群價格
影象處理中的增強演算法---灰級窗切片增強
灰級窗切片增強--相比較X光更適合於CT，程式如下： import cv2 import numpy as np I = cv2.imread('*.png',0) h, w = I.shape fa = 40 fb = 160 k = 255/(160-45) J = np.zeros((h,
影象處理中的數學原理歸類
影象處理中的數學原理歸類 原文：https://blog.csdn.net/baimafujinji/article/details/48467225 我的“影象處理中的數學原理”專欄中之系列文章已經以《影象處理中的數學修煉》為名結集出版（清華大學出版社）。該書詳細介紹影象處理中的數學原
微信小程式，精選Demo合集，你確定不要嗎？
小編最近在開發小程式，也讀到了不少優秀的小程式原始碼，專案中有些需求可以直接從原始碼裡貼上複製過來，雖然這樣做不利於自己獨立編寫程式碼，但比較是給公司做專案啊，秉著效率第一的原則，簡直沒有什麼比ctrl+c,ctrl+v,更加順手了。為了感恩大家長久以來的關注和支援，小編準備了一些福利，整理了130
如何在eclipse中新增程式碼檢查外掛，實時提示檢查問題，eclipse+sonarLint+sonarqube平臺程式碼檢查規則
在eclipse中引入sonarLint外掛 步驟如下： 1、sonarLint安裝 開啟eclipse後，執行 help->Eclipse Marketplace->查詢sonarLint
安卓智慧電視TV應用合集，不定時更新！
TV端視訊軟體有很多，比如知名的銀河奇異果、雲視聽極光、CIBN環球影視等等 ，這裡主要分享一些新出的非主流應用，有些非常優秀。歡迎大家試用，不定時增補更新此帖！另外，電視盒子使用者必須懂得一些小技巧，才能使用電視盒子的全部功能！搬磚烈火整理的！因廣電封鎖太嚴重，一些 App 可能失效，請及時反饋。
量化交易原創乾貨合集，送給每一位愛學習的寬客quant
序號 標題 傳送連結 1 雙均線策略(期貨) 量化策略原始碼 https://www.myquant.cn/docs/python_strategyies/153
膨脹、腐蝕、開、閉運算——數字影象處理中的形態學
轉自：https://blog.csdn.net/welcome_xu/article/details/6694985 膨脹、腐蝕、開、閉運算是數學形態學最基本的變換。 本文主要針對二值影象的形態學 膨脹：把二值影象各1畫素連線成分的邊界擴大一層（填充邊緣或0畫素內部的孔）； 腐蝕：把二
用深度學習解決自然語言處理中的7大問題，文字分類、語言建模、機器翻譯
摘要： 本文講的是用深度學習解決自然語言處理中的7大問題，文字分類、語言建模、機器翻譯等，自然語言處理領域正在從統計學方法轉向神經網路方法。在自然語言中，仍然存在許多具有挑戰性的問題。但是，深度學習方法在某些特定的語言問題上取得了state-of-the-art的結果。 本文講的是用深度學習解決自
數字影象處理——中值濾波
原理：模板中心對準待處理畫素，對模板下的對應畫素進行灰度值排序，將中值賦給當前畫素 Matlab程式碼： clear,clc; car = imread('sport car.pgm'); noise_car = imnoise(car,'salt & pepper',0.02);
影象處理中的模板匹配c++實現
一、理論基礎 基於相關的模板匹配技術可直接用於在一幅影象中，尋找某種子影象模式。對於大小為MxN的影象f(x,y)和大小為JxK的子影象模式w(x,y),f與w的相關可表示為： 其種，x=0,1,2,…N-K,y=0,1,2,…M-J。此處 的目的是尋找
影象處理中飽和度、色調、對比度的定義
目錄 飽和度 色調 對比度 轉自這裡 影象處理(image processing)，用計算機對影象進行分析，以達到所需結果的技術。又稱影像處理。影象處理一般指數字影象處理。數字影象是指用工業相機、攝像機、掃描器等裝置經