画像処理 (3) 顕著性マップ
人は、目から得られるたくさんの情報を常に処理し、それに対して判断を行っています。目に映るモノ全てに対してそれが何かを一々判断していたのでは、特に瞬時の判断が必要な場合は生死に関わることになる可能性もあります。車の運転中、前の車が急停車したという情報を処理するときは、目の前に近づいてきた車やそのブレーキランプを見て判断すれば充分なのに、周囲の景色や道路標識なども常に処理されていては判断が間に合わなくなります。そのため、本当に注目すべきモノだけに無意識に注意を引くような仕組みが人には備わっています。これは、人に限らず他の動物にもあり、天敵などの危険から逃げたり、逆に獲物を追う時に逃げる対象の動きを瞬時にとらえるなど、常に視覚情報から注意を引く部分を抽出して、それ以外の情報はカットしてしまう機能が必要になる機会は人よりも多いことが想像できます。 今回は、注意を引く対象を見つけるための仕組みとして
Image Analysis Report
平成２３年度・画像解析論演習 本講義では、画像処理の基礎レベルを理解することを第一の目的とした構成としつつ、 最近の画像処理で用いられる技術までを視野にいれた内容も網羅している。 画像処理の研究では、単にプログラミング技術だけではなく、数学や物理、制御、生物 など、他の多くの分野の知識も求められる。このような分野横断的な関係を感じつつ、 画像処理に求められる概念と実際の処理結果の間のギャップを知ることで、処理技術の 更なる発展に寄与していくことができるであろう。 本講義資料は，以下からダウンロードすることができる。予め資料に目を通しておくことで 講義の理解をより一層深めてほしい。 画像解析論講義資料 レポート課題演習について 課題で使用する画像は、２５６階調までの白黒階調画像で、その 画像ファイル形式はPGMフォーマット(ファイルの拡張子として".pgm"がついてい る)である。これ以外に
Bag-of-Features Descriptor on SIFT Features with OpenCV (BoF-SIFT)
An implementation of Bag-Of-Feature descriptor based on SIFT features using OpenCV and C++ for content based image retrieval applications. Download source VS2008 project - 229 KB Introduction Content based image retrieval (CBIR) is still an active research field. There are a number of approaches available to retrieve visual data from large databases. But almost all the approaches require an image
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Supersymmetry in Random Matrix Theory
Random Matrices and Supersymmetry in Disordered Systems
VLFeat - Tutorials
