← 返回起始笔记位置

知识卡片

结构图卡 · 9594.j · 生成模型:DeepSeek-V4.1-Flash

SVDLI 单像素处理链

理解等级:中级

单个像素的处理可以拆成两支:一支估计“往哪个方向抑制、抑制多强”,另一支估计“这个像素值不值得保留”。方向支:算梯度、排成矩阵、奇异值分解,取主能量方向角作为旋转角,代入各向异性高斯核得到自适应抑制系数,完成侧抑制滤波。结构支:用同一组奇异值构造局部结构描述子。两支在相乘处汇合,再做灰度补偿输出最终灰度。

设计要点:一次奇异值分解同时供给了方向参数和结构权重,省去第二套计算;模板取 5×5,是检测效果与运行时间之间的折中。 边界:整幅图要逐像素重复该流程,计算量随像素数与模板面积增长,实时性受此约束。

结构图:

flowchart TD
A[像素灰度] --> B[计算梯度]
B --> C[排成梯度矩阵]
C --> D[奇异值分解]
D --> E[奇异值构造结构描述子]
D --> F[主能量方向角定旋转角]
F --> G[各向异性高斯核定抑制系数]
G --> H[自适应侧抑制滤波]
E --> I[按结构描述子相乘]
H --> I
I --> J[灰度补偿输出]
这张卡片看不懂?

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

    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:单个像素的处理可以拆成两支:一支估计“往哪个方向抑制、抑制多强”,另一支估计“这个像素值不值得保留”。 - 原始内容:如图2.6所示,首先,利用式(2.10)计算图像I在像素点(xi,yi)的梯度信息,并将获得的梯度信息进行排列得到矩阵T;然后,利用式(2.11)对矩阵T进行奇异值分解,得到正交矩阵U、正交矩阵V和奇异值矩阵S