模板纹理识别的步骤 特征提取 图像处理（二值化选中感兴趣区域，灰度共生矩阵（原图和感兴趣区域）得到特征，sobel得到轮廓，灰度直方图得到特征） 创建分类器，添加特征，保存，识别 1.文件夹遍历 list_image_files(::ImageDirector,Options:ImageFiles) ImageDirector：文件夹路径； Options：搜索选项（‘default’默认值为’files’） ‘fi
纹理分析是对图像灰度（浓淡）空间分布模式的提取和分析。纹理分析在遥感图像、X射线照片、细胞图像判读和处理方面有广泛的应用。关于纹理，还没有一个统一的数学模型。它起源于表征纺织品表面性质的纹理概念，可以用来描述任何物质组成成分的排列情况，例如医学上X 射线照片中的肺纹理、血管纹理、航天(或航空)地形照片中的岩性纹理等。图像处理中的视觉纹理通常理解为某种基本模式（色调基元）的重复排列。因此描述一种纹理包括确定组成纹理的色调基元和确定色调基元间的相互关系。纹理是一种区域特性，因此与区域的大小和形状有关
area_center_gray ( Regions, Image : : : Area, Row, Column ) 计算Image图像中Region区域的面积Area和重心（Row，Column）。cooc_feature_image ( Regions, Image : : LdGray, Direction : Energy,Correlation, Homogeneity, Contrast ) 计算共生矩阵和推导出灰度特征值
一、神经网络为什么比传统的分类器好1.传统的分类器有 LR（逻辑斯特回归） 或者 linear SVM ，多用来做线性分割，假如所有的样本可以看做一个个点，如下图，有蓝色的点和绿色的点，传统的分类器就是要找到一条直线把这两类样本点分开。对于非线性可分的样本，可以加一些kernel核函数或者特征的映射使其成为一个曲线或者一个曲面将样本分开。但为什么效果不好，主要原因是你很难保证样本点的分布会如图所示那么规则，我们无法控制其分布，当绿色的点中混杂几个蓝色的点，就很难分开了，及时用曲线可以分
哈哈，是不是有人一进来就想问训练数据哪找的。。 好吧，坐好，老司机要发车了，传送门—->用 Caffe 可以做什么好玩的 Project？,其实就是知乎上前两天看到的一个问题，有人提供了这个数据集，大家有兴趣的可以自己下下来看看，我这里就不贴了，怕被河蟹。。总之就是有10000张正常电影封面+10000张av电影封面，正好这几天临近放假，project/assignment什么的都搞完了，离回家还有几天，呆实验室打了好几天游戏也挺无聊了，便花了一下午训练了这个网络，在天朝有鉴黄师
《zw版·Halcon-delphi系列原创教程》 Halcon分类函数013,shape模型为方便阅读，在不影响说明的前提下，笔者对函数进行了简化：:: 用符号“**”，替换：“procedure”:: 用大写字母“X”，替换：“IHUntypedObjectX”:: 省略了字符：“const”、“OleVariant”【示例】 说明函数：procedure AddNoiseWhiteContourXld( const Contours: IHUntypedObjectX; out Noisy
Rinspect_gasket_local_deformable.hdev检测垫圈局部变形*这个例子演示了如何利用局部变形匹配（local deformable matching）来寻找出垫圈是否变形dev_update_off()Smoothness:=25read_image(ModelImage,..read_image( Image,......下面是ModelImage和Image（两个基本相近，肉眼难辨）显示信息不予赘述。。。一：创建variation model （差异模型）sob
转载自：http://www.cnblogs.com/sleepwalker/p/3632266.html例程：class_overlap_svm.hdev说明：这个例程展示了如何用一个支持向量机来给一幅二维的图像进行分类。使用二维数据的原因是因为它可以很容易地联想成为区域和图像。本例程中使用了三个互相重叠的类（由二维平面三个不同颜色的像素点集组成）。三类不同颜色的像素点作为样本，将那些样本代入支持向量机进行训练。选取像素在二维平面的坐标作为特征向量，使支持向量机对这个二维特征区域进行分类。在结
转载自： https://www.cnblogs.com/sleepwalker/p/3707830.html 例程：classify_halogen_bulbs.hdev在Halcon中模式匹配最成熟最常用的方式该署支持向量机了，在本例程中展示了使用支持向量机对卤素灯的质量检测方法。通过这个案例，相信大家可以对支持向量机的使用有一个更加清晰的了解。在相当多的检测和识别的应用中，都可以使用相同的方法来解决分类问题。大致原理：一、准备阶段：描述样本1. 准备好两组卤素灯图像样本，好坏的各
MLP多层感知器其实是一种人工神经网络结构，属于非参数估计，可以用于解决分类和回归问题。如果使用“BP算法”也称为BP神经网络，是一种前向结构的人工神经网络，映射一组输入向量到一组输出向量。MLP可以被看作是一个有向图，由多个的节点层所组成，每一层都全连接到下一层。除了输入节点，每个节点都是一个带有非线性激活函数的神经元(处理单元)，可以解线性不可分问题。早前已经学习了感知器学习算法，主要通过对那些错分类的样本进行求和来表示对错分样本的惩罚，但明显的它是一个线性的判别函数；而感知器神经元（阈值逻