知识卡片
两个奇异值给像素贴标签
把一块图像的梯度排成矩阵做奇异值分解,两个奇异值就能给像素分类。三种情形:灰度平缓的区域梯度几乎为零,λ1≈λ2≈0;边缘或纹理一致的区域梯度集中在一个方向,λ1>λ2≈0;细节丰富或小目标所在区域各方向都有明显变化,λ1>λ2>0。
构造:用这两个量组合出 0 到 1 之间的局部结构描述子,背景区接近 0,边缘区较大,小目标或细节区接近 1。 为什么用这种量:单看梯度幅值会被整体亮度和对比度带偏,而两个奇异值的相对关系描述的是“梯度是否只朝一个方向”,对照度变化更稳健。 边界:强噪声同样会让两个奇异值一起变大,描述子会把噪声区误判成“细节丰富”,因此它只回答结构类型,不回答该结构是不是目标。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第2章 人脑视觉系统的侧抑制机制及其应用 · 查看原书依据
在图像灰度变化缓慢、较为平坦的区域,λ1≈λ2≈0;在图像的边缘区域及纹理较为一致区域,λ1>λ2≈0;在细节丰富的区域,λ1>λ2>0。
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第2章 人脑视觉系统的侧抑制机制及其应用(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt002.html)
- 结论依据:把一块图像的梯度排成矩阵做奇异值分解,两个奇异值就能给像素分类。
- 原始内容:在图像灰度变化缓慢、较为平坦的区域,λ1≈λ2≈0;在图像的边缘区域及纹理较为一致区域,λ1>λ2≈0;在细节丰富的区域,λ1>λ2>0。