听师姐提到一种特征描述子:对图像中每个3*3的块进行一定的处理,之后用矩阵外周8个像素表示此块,每个像素点有0和1两种状态。于是总共有2的8次方即256种状态。但通过一定的分类规则,可以把256种状态分为36种。比如以下两个图:
由于左图可以通过旋转变为右图,所以认为他们是同一种状态。
感觉这个方法很简单,也有一定道理,分类的标准一定程度保证了“旋转不变性”。很有意思,于是自己试着实现了一下。
假设用一个1*8的向量表示特征,向量中每个数分别表示特征中从左上角开始,顺时针每个像素的标识。如上图两个特征可以表示为:
通过对向量中的元素进行循环移位,两个向量均可移位成为以下的形式:
即所有移位结果中表示的最小的数。
可以利用标准模块库中的bitset<>实现特征的表示和移位操作:
int Original_to_Sets(int long_num)
{
bitset<8> bit_num(long_num);
int shift_min=long_num;
for(int n=0;n<8;n++){
int first_bit=bit_num[7];
for(int i=7;i>0;i--){
bit_num[i]=bit_num[i-1];
}
bit_num[0]=first_bit;
int shift_tmp=bit_num.to_ulong();
if(shift_tmp<shift_min){
shift_min=shift_tmp;
}
}
return shift_min;
}
用一个向量original_nums记录原始的256中情况,另一个向量set_nums对应记录每种情况移位为最小值时的情况:
int main(){
vector<int>original_nums;
vector<int> set_nums;
vector<int> sets;
int nums=256;
for(int i=0;i<nums;i++){
original_nums.push_back(i);
int shift_num=Original_to_Sets(i);
set_nums.push_back(shift_num);
bool exist=false;
for(vector<int>::iterator it=sets.begin();it!=sets.end();it++){
if(*it==shift_num)
exist=true;
}
if(!exist)
sets.push_back(shift_num);
}
cout<<"There are "<<sets.size()<<" kinds"<<endl;
for(vector<int>::iterator it=sets.begin();it!=sets.end();it++){
bitset<8> bit_num(*it);
cout<<bit_num<<endl;
for(int i=0;i<256;i++){
if(*it==set_nums[i])
cout<<original_nums[i]<<" ";
}
cout<<endl;
}
return 0;
}
最终256中特征被分为36种:
分享到:
相关推荐
Description: FlashPaper文档转换,转换可打印的文档为FLASH格式并保存转换的相关信息到log_swfread表
2016-2019弱监督语义分割论文合集,利用图像级标签解决目标语义分割问题,论文标题格式统一,时间,标题和录用水平,方便查看,文件中还进行了简单分类
问题为有16动物和13种属性,用SOM来实现对动物的分类。附带Kohonen有关SOM的paper。 根据老师布置的作业实现了一个小程序。 存在的问题:对kohonen层学习率的度量不是很确定。
基于python CNN卷积神经网络模型实现6类别垃圾分类 毕业设计 附完整代码数据 目前垃圾分类已经在许多城市开展起来。这看似微不足道的“小事”,实则关系到13亿多人生活环境的改善,理应通过人工智能技术来大力提倡...
Design Con paper 2019 PAPER 02 Case Studies Isolating Types of Power-Integrity Effects on Signal-Integrity, and Means of Mitigation
为帮助更多的同学、学术朋友们,能够快速有效的使用 Paperpass V2.5版本,学会使用 Paperpass检测报告进行有效的论文修改,快速降低重复率、提高通过率,笔者根据自己的一些浅薄经验编写了PaperPass V2.5使用手册,...
纯正的无限循环,可直接使用的工具类。非常好用。
英文原文名称是:Neural Adaptive Content-aware Internet Video Delivery,翻译过来就是:神经自适应内容感知互联网视频传输。主要是讲关于视频的编解码技术创新以及传输。
ImageNet paper
Paperpass论文查重 paperpass是全球首个中文文献相似度比对系统,现在已经发展成为最权威、最可信赖的中文原创性检查和预防剽窃的在线网站。一直致力于学术论文的检测。2013年10月20日,PaperPass论文检测系统V2.5...
Paper是Spigot的优化增强, 基本是插件服的必选端, 优化强, 兼容上面的插件,在相关算法方面,较 Spigot 有所提高,优化 TPS 等,支持 CraftBukkit 和 Spigot 插件,API 没有太大修改。
Design Con paper 2019 PAPER 01 Signal/Power Integrity Optimizations in an IoT Automotive Package
Design Con paper 2019 PAPER 01 Top-Down Jitter Specification Approach for HBM System Optimization
NAND Flash White Paper
reference paper
gdc2001 paper pdf
PAPER服务器核心1.18.2
AMD fusion Whitepaper
openflow 的相关paper论文 入门,提高必选
Wordpress paperwork模板