2 sunweiswe sunweiswe 于 2014.12.14 15:23 提问

图像处理方面 主要关于稀疏表示

最近在做图像处理方面的东西,一般都是在空域提取图像的特征再进行稀疏表示,有时也用sift来提取图像特征。

但是转变到频域来提取图像特征就不是太会了,主要是用傅里叶变换后提取图像频域的特征进行稀疏表示进行图像分类识别。
求问大神在频域怎么提取特征

2个回答

devmiao
devmiao   Ds   Rxr 2014.12.14 15:35
sunweiswe
sunweiswe   2014.12.14 15:55

你好,请问有这方面的代码吗?只要将频域提取为图像特征的这一部分就可以了,看代码理解起来可能更直观一点

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
稀疏表示之OMP,SOMP算法及openCV实现
一、前言 稀疏表示是自上世纪90年代开始,从人眼的视觉感受野获得启示,逐渐被人们所研究。现在已经发展为一种重要的信息表示方法。所谓稀疏表示是指,一个信号在过完备字典中,可以由少数个原子线性表达, 其数学模型可以表达如下: 这个数学模型解算是一个NP-hard问题,也就是说只能通过穷举去获得最优解,其时间复杂度很大,几乎无法获得其精确的解算。在这种情况下,我们常用贪婪算法去获得该模型的次最
转载一篇关于图像处理的文章,很有用,感谢作者
最近有人问我图像处理怎么研究,怎么入门,怎么应用,我竟一时语塞。仔细想想,自己也搞了两年图像方面的研究,做个两个创新项目,发过两篇论文,也算是有点心得,于是总结总结和大家分享,希望能对大家有所帮助。在写这篇教程之前我本想多弄点插图,让文章看起来花哨一点,后来我觉得没必要这样做,大家花时间沉下心来读读文字没什么不好,况且学术和技术本身也不是多么花哨的东西。   一、图像处理的应用   这
用于特征提取的matlab程序
关于图像处理方面的特征提取,稀疏表示的程序
稀疏表示背景及基本概念
稀疏表示背景、概念
稀疏冗余表示 在信号和图像处理方面从理论到实际应用(中文)
Sparse and Redundant Representations中文版 迈克尔 Elad 是计算机科学部门——以色列理工学院的一名副教授。他感兴 趣的研究领域包括信号处理、图像处理、计算机视觉、数值分析、数值线性代数 和机器学习算法。
计算机视觉(图像处理)相关的比较全面的好网站
计算机视觉在生活和工业应用等领域越来越广泛。在科学研究中,常常需要借鉴和参考巨人的IDEA和资料,这里总结了一些常用的网站供大家参考,世界很大,这只是小部分。如果你有什么补充,发email给我,补充。 http://www.bernardotti.it/ http://www.ohloh.net/tags/recognition http://www.diphernet.com/ h
图像处理--知识点整理
这一篇博文是对图像处理的知识点和资料的整理.机器学习相关知识 聚类问题 k-means GMM 分类问题 回归问题 颜色空间及转换 特征提取 1 颜色特征 11 颜色直方图 12 颜色集 13 颜色矩 2 纹理特征 21 灰度共生矩阵 22 LBP 23 随机场模型 24 分型模型 25 Gabor滤波 26 小波变换 3 局部特征 31 Harris角点 32 Sift特
图像的稀疏表示——ScSPM和LLC的总结
稀疏编码系列: (一)----Spatial Pyramid 小结(二)----图像的稀疏表示——ScSPM和LLC的总结(三)----理解sparse coding(四)----稀疏模型与结构性稀疏模型 ---------------------------------------------------------------------------   前言
图像处理方面期刊
上网搜一下,有很多的,以下是图像处理方面的,好不好投与文章质量有很大关系,如果是第一次投,而又不是急着要文章的话,我建议投比文章质量相当期刊稍好一点的期刊,这样能学到更多 比PAMI,IJCV稍差点的期刊有TIP,IET Image Processing, computer vision and image understanding, image and vision computing之
关于人脸识别,稀疏表示的若干论文的小结
初次写博,如有错误,请指正,不胜感激! 1:特征脸:Eigenface forrecognition: l  使用特征脸方法的进行人脸识别的步骤: l  1:首先假设人脸个数有K个,每个人脸需训练m个,确定训练脸数目M=m*K,将这个M个人脸张成一个列向量其中,T1是(Col*Row)*1维的列向量,共计有M个(T1~TM),这M个列向量构成一个向量空间A,A是(Col*Row)*M, l