精华内容
下载资源
问答
  • 确定性算法是与随机化算法相对来说的。 PCA:组成分分析,是常见的降维方法,是确定性算法,第一次运行结果和第n次结果一致,不会受运行次数的影响。 K-means: 聚类算法,每次运行会随机初始化k个聚类中性点,...

    随机化算法是一种在算法中使用了随机函数,且随机函数的返回值直接或间接的影响了算法的执行流程或执行结果。而确定性算法是与随机化算法相对来说的。

     

    PCA:组成分分析,是常见的降维方法,是确定性算法,第一次运行结果和第n次结果一致,不会受运行次数的影响。

    K-means: 聚类算法,每次运行会随机初始化k个聚类中性点,因此算法结果具有随机性,不是确定性算法;K-means,在初始化聚类中心时,一般是通过随机函数选取随机的K个点作为聚类中心,是随机化算法。

     

    展开全文
  • SIFT算法确定特征点方向

    千次阅读 2013-09-04 22:06:32
    SIFT算法确定特征点方向  SIFT算法特征描述子 【注】未经允许,本博客所有文章不得用于任何商业用途。转载请注明出处http://www.cnblogs.com/JiePro/ 目录: 1、计算邻域梯度方向和...
    SIFT算法:DoG尺度空间生产 
    SIFT算法:KeyPoint找寻、定位与优化
    SIFT算法:确定特征点方向 
    SIFT算法:特征描述子

    【注】未经允许,本博客所有文章不得用于任何商业用途。转载请注明出处http://www.cnblogs.com/JiePro/


    目录:

    1、计算邻域梯度方向和幅值

    2、计算梯度方向直方图

    3、确定特征点方向


    1 计算邻域梯度方向和幅值

      为了实现图像旋转的不变性,需要根据检测到的特征点的局部图像结构求得一个方向基准。我们使用图像梯度的方法求取该局部结构的稳定方向。对于己经检测到特征点,我们知道该特征点的尺度值σ,因此根据这一尺度值,在GSS中得到最接近这一尺度值的高斯图像。然后使用有限差分,计算以特征点为中心,以3X1.5σ为半径的区域内图像梯度的幅角和幅值,如下图所示。幅角和幅值计算公式加下:

    2 计算梯度方向直方图

      在完成特征点邻域的高斯图像的梯度计算后,使用直方图统计邻域内像素的梯度方向和幅值。梯度方向直方图的横轴是梯度方向角,纵轴是梯度方向角对应的(带高斯权重)梯度幅值累加值。梯度方向直方图将。0°~360°的范围,分为36个柱,每10°为一个柱。直方图的峰值代表了该特征点处邻域内图像梯度的主方向,也即该特征点的主方向,如下图所示。

      绿色格点代表邻域范围,蓝色圆圈代表格点的高斯权重(稍后介绍),黑色箭头指向代表梯度方向,箭头长度代表梯度幅值。右边为梯度方向直方图(36柱,每柱代表10°,上图只显示了8柱)。获得梯度方向直方图的步骤如下:

    • 生成领域各像元的高斯权重。其中高斯函数方差为该特征点的特征尺度σ的1.5倍。形式如下,其中(i,j)为该点距离特征点的相对位置,如上图,左上角点像元距离特征点(0,0)(即中心点)的相对位置坐标为(-4,-4),同理,右下角像元为(4,4)。

    • 遍历邻域(绿色)中每个点,判断其梯度方向,将其加入相应的梯度方向直方图中,加入量为其梯度幅值 * wi,j ,例如左上角(-4,-4)的点,其梯度为方向为25°,梯度幅值为mag,我们将其加入到hist[2]中(假设hist[0]为0°~10°的直方柱,hist[1]为10°~20°的直方柱,以此类推至hist[35]为350°~360°)。加入的量为mag* w(-4,-4),即hist[2] = hist[2] + mag* w(-4,-4)。直至遍历整个邻域,统计出该特征点出的梯度方向直方图。
    • 平滑直方图。对上一步得出的直方图进行平滑,得到最终的梯度方向直方图。OpenCV中使用的 (1/16) * [1,4,6,4,1] 的高斯卷积和对直方图进行平滑处理,而vlfeat中使用了6次,邻域大小为3的平均处理,即hist[i] = (hist[i-1]+hist[i]+hist[i+1])/3。

    问题1: 为什么每个点梯度幅值要使用高斯权重?

    答:由于SIFT算法只考虑了尺度和旋转的不变性,并没有考虑仿射不变性。通过对各点梯度幅值进行高斯加权,使特征点附近的梯度幅值有较大的权重,这样可以部分弥补因没有仿射不变性而产生的特征点不稳定的问题。

    3 确定特征点方向

      有了梯度方向直方图之后,找到直方图中最大的值,则认为该方向为该特征点的主方向,如存在另一个方向大于最大值的80%,则认为该方向为该特征点的辅方向。一个特征点可能会有多个方向(一个主方向,一个以上的辅方向),这可以增强匹配的鲁棒性。具体而言,就是将该特征点复制成多份特征点(除了方向θ不同外,x,y,σ都相同)。

    【Note】在OpenCV中,若辅方向除了满足大于最大值80%外,还必须是局部最大值,即 hist[i] > hist[i-1] && hist[i] > hist[i+1]。

      通常离散的梯度方向直方图,可以通过插值拟合处理,这样可以得到更精确的方向角度值。

      经过上述过程,我们特征点的所有量(x,y,σ,θ)都已经已经求得,其中位置(x,y)、尺度σ都是在上一节中求得,而特征点方向θ是通过特征点邻域直方图求得。下一节,将介绍SIFT描述子的形成方式。


     

    参考资料:

    1. David G. Lowe Distinctive Image Features from Scale-Invariant Keypoints 
    2. 王永明 王贵锦 《图像局部不变性特征与描述》
    展开全文
  • 什么是算法算法有哪些特征

    万次阅读 2019-11-11 07:44:45
    什么是算法算法有哪些特征算法定义:为解决一个问题而采取的方法和步骤,称为“算法”。 算法五大特征: ①有穷性 ②确定性 ③有零个或多个输入 ④有一个或多个输出 ⑤有效性 ...

    什么是算法,算法有哪些特征?

    算法定义:为解决一个问题而采取的方法和步骤,称为“算法”。

    算法五大特征:

    ①有穷性

    ②确定性

    ③有零个或多个输入

    ④有一个或多个输出

    ⑤有效性

    展开全文
  • 确定和非确定性算法

    千次阅读 2016-11-27 17:05:28
    本文摘自http://wenda.so.com/q/1465703473723556?src=140所谓非确定性是指在理论计算机...且非确定性是相对于确定性来说,对于非确定性的机器,在性能各方面要高于确定性机器。任意一种自动机,按其动作的确定程度,大

    本文摘自http://wenda.so.com/q/1465703473723556?src=140

    所谓非确定性是指在理论计算机科学中,针对各种计算机器模型(自动机),在每一时刻,根据当时的状态和输入,若机器有多个动作可供选择时,则称机器为非确定性的;相反,若机器的动作可唯一确定时。且非确定性是相对于确定性来说,对于非确定性的机器,在性能各方面要高于确定性机器。

    任意一种自动机,按其动作的确定程度,大体可分为确定的和非确定的两类。在对非确定性的研究中,一个核心课题就是非确定性能否增加机器的计算能力。具体说,对同一类自动机,确定型和非确定型机器在计算能力方面有没有区别?是什么关系?这类问题因其在理论上和实践中的重要意义而受到普遍重视。其中有些问题至今尚未解决,成为理论计算机科学中重要的悬案,NP=?P问题就是一个突出的例子。

    展开全文
  • 算法的基本特征

    万次阅读 2017-09-27 09:37:34
    确定性:一个算法的每个步骤都必须精确地定义,可以严格地、无歧义地执行。 输入:一个算法在运行之前赋给它的量,或在运行过程中动态地赋给它的量。 输出:一个算法运行结束时的结果。 有效性:一个算法在运行...
  • 遗传算法是一种基于自然选择的优化问题的技术。 在这篇文章中,我将展示如何使用遗传算法进行特征选择。 虽然 scikit-learn 中有许多...我们面临的问题是确定哪些特征与问题相关。 我们找寻目标是具有高质量的特征
  • 特征选择算法综述

    千次阅读 2017-09-01 15:23:08
    特征选择(feature selection)作为一种常见的降维方法是模式识别的研究热点之一。 它是指从原始特征集中选择使某种评估标准最优的特征...在机器学习领域中,特征选择被认为是跟学习算法紧密联系的一个问题,可表述为:
  • 方法二:非确定性算法 如前所述,为了解决 FLP 不可能性,大部分拜占庭容错协议最终都要基于同步性假设的前提。然而,解决 FLP 不可能性还可以另辟蹊径:非确定性算法。 当当当当,中本聪共识! 认真听讲...
  • 算法特征

    千次阅读 2013-09-04 18:16:30
    嗯,算法具有五个基本特征:输入、输出、有穷性、确定性和可行性。 输入 算法具有零个或多个输入。 尽管对于绝大多数算法来说,输入参数都是必要的。但是有些时候,像打印“I love fishc.com”,就不需要啥参数啦。...
  • 1.决策树使用基尼系数(GI)和信息增益(IG)为决策树计算特征重要。(1)信息增益(information gain)假定当前样本集合D中第k类样本所占我的比例为,则D的信息熵为 (1)的值越小,则D的纯度越高。假定离散属性a...
  • C语言算法的基本特征

    千次阅读 2015-12-06 18:57:23
    二、 确定性算法中每一步的含义必须是确切的,不可出现任何二义性。 三、 有效性:算法中的每一步操作都应该能有效执行,一个不可执行的操作是无效的,例如,一个数被0除的操作就是无效的,应当避免这种操作。 ...
  • 算法(algorithm)是对特定问题求解步骤的一种描述,它是指令的有限序列,其中每一条指令表示一个或多个操作。此外,一个算法还具有下列5个重要特性: ...2) 确定性 算法中每一条指令必须有确切的含义,读者...
  • 特征匹配算法

    千次阅读 2020-06-03 16:51:21
    看论文《特征匹配算法研究及其在目标跟踪上的应用》,感谢! 特征匹配算法 目前 SIFT 算法和 ORB 算法获得了研究者的青睐,但是因为 SIFT 算法是对图像进行全局的特征点检测耗时较长,造成算法的运行速度慢,达不到...
  • SIFT算法特征描述子

    千次阅读 2013-09-04 22:06:27
    SIFT算法确定特征点方向  SIFT算法特征描述子 【注】未经允许,本博客所有文章不得用于任何商业用途。转载请注明出处http://www.cnblogs.com/JiePro/ 目录: 1、确定描述子采样区域 ...
  • 算法

    万次阅读 2018-02-08 00:13:09
    1.算法定义 算法(Algorithm)是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,算法代表着用系统的方法描述解决问题的策略机制。也就是说,能够对一定规范的输入,在有限时间内获得所要求的输出...
  • 特征选择 ReliefF算法

    万次阅读 多人点赞 2018-05-18 21:43:12
    一、算法 Relief算法最早由Kira提出.基本内容:从训练集D中随机选择一个样本R,然后从和R同类的样本中寻找k最近邻样本H,从和R不同类的样本中寻找k最近邻样本M,最后按照公式更新特征权重. 算法: 1.置0所有特征...
  • SIFT特征匹配算法介绍——寻找图像特征点的原理

    万次阅读 多人点赞 2017-06-26 15:35:15
    关于opencv的SIFT特征匹配算法原理的详细介绍,附有图文解析,希望能帮助到图像处理刚入门的朋友们(*^__^*) 嘻嘻……
  • 遗传算法特征选择的python实现

    千次阅读 热门讨论 2019-07-02 16:43:39
    遗传算法特征选择的基本原理是用遗传算法寻找一个最优的二进制编码, 码中的每一位对应一个特征, 若第i位为“1”, 则表明对应特征被选取, 该特征将出现在估计器中, 为“0”, 则表明对应特征未被选取,该特征将不出现在...
  • 它是一个对大数据集和高维特征进行最近邻搜索的算法的集合。 特点:在面对大数据集时它的效果要好于 BFMatcher。 使用FLANN算法进行匹配时,需要传入两个字典作为参数。这两个字典是为了确定要使用的算法和其他...
  • 本文针对图像特征匹配算法—SIFT算法介绍了其算法原理,并贴出了代码。
  • 本篇介绍确定性策略梯度算法,该算法主要用于off-policy(on-policy也能用)。在DQN等值函数估计算法中,最终策略的形式是需要对动作状态值函数取极大a=argmaxa′Q(s,a′)a={\rm argmax}_{a&#...
  • 算法特征及设计要求

    千次阅读 2016-03-24 12:58:23
    算法特征及设计要求
  • 特征检测】ORB特征提取算法

    万次阅读 2015-07-21 12:45:44
    ORB算法是将FAST角点检测与BRIEF特征描述结合并进行了改进,是一种快速,较好的特征检测算法
  • 图像特征点提取算法算法研究(SURF和SIFT算法) 1. 摘要 计算机视觉中,很大一部分研究集中在图像特征提取和特征生成算法上。对图像的优化,不同于一般数学问题的优化方法,图像的优化是对像素点,在某一个...
  • SIFT特征提取算法

    万次阅读 2016-06-16 18:56:01
    SIFT(Scale-invariant feature transform)是一种检测局部特征算法,该算法通过求一幅图中的特征点(interest points,or corner points)及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配,...
  • Surf算法特征点检测与匹配

    万次阅读 多人点赞 2016-09-20 23:53:54
    Speeded Up Robust Features(SURF,加速稳健特征),是一种稳健的局部特征点检测和描述算法。最初由Herbert Bay发表在2006年的欧洲计算机视觉国际会议(Europen Conference on Computer Vision,ECCV)上,并在2008...
  • SIFT特征提取算法总结

    千次阅读 2010-08-23 15:53:00
    Scale-invariant feature transform(简称SIFT)是一种图像特征提取与匹配算法。SIFT算法由David.G.Lowe于1999年提出,2004年完善总结,后来Y.Ke(2004)将其描述子部分用PCA代替直方图的方式,对其进行改进。SIFT算法...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 579,300
精华内容 231,720
关键字:

关于算法的确定性特征