图像融合知识

具体知识会在合适的时间补充完整(不会转载,拷贝的主人的)


1 基础知识

1)  数字图像处理基本知识

2)  数字图像处理的三个层次

3)  数字图像处理的基本原理和常用方法

4)  图像的表示和可视化

5)  图像取样和量化

6)  像素间的关系

7)  像素间数学关系

8)  黑白图像与灰度图像


2 颜色空间与彩色图像

1)  彩色图像和颜色空间

2)  伪彩色图像处理

3)  颜色空间转换

4)  基于彩色的图像分割

5)  彩色图像灰度化

6) 常见的图片格式

3 灰度变换与空间滤波

1)  灰度变换函数

2)  灰度直方图

3)  空间滤波

4)  平滑处理

5)  锐化处理

6)  混合空间增强

7)  模糊集合技术


4 频率域滤波

1)  单变量离散傅里叶变换

2)  二维离散傅里叶变换


5 图像分割

1)  点&线&边缘检测


2)  阈值处理

3)  基于区域分割

4)  分水岭算法

5)  

6)  

7) 



6 小波和多分辨率

1)  图像金字塔 & 子带编码 & 哈尔变换

2)  多分辨率展开

3)  小波变换

4)  

5)  

6)  

7) 


7 图像压缩

1)  

2)  

3)  

4)  

5)  

6)  

7) 


8 形态学

1)  膨胀 & 腐蚀


2)  开运算 & 闭运算


3)  基本形态学算法


9 图像复原与重建

1)  

2)  

3)  

4)  

5)  

6)  

7) 


10 表示和描述

1) 

2)


11 目标检测 & 目标识别 & 追踪算法


12 特征提取 & 图像检索 & 分类识别

12.1 特征提取

12.1.1 全局特征


12.1.2 局部特征


12.1.3 纹理特征


12.1.4 图像检索



12.1.5 分类识别



13 机器学习

13.1 线性模型


13.2 决策树


13.3 神经网络



13.4 贝叶斯分类器


13.5 集成学习


13.6 聚类


13.7 降维与度量学习


13.8 特征选择与稀疏学习


13.9 半监督学习


13.10 概率图模型


13.11 规则学习


13.12 强化学习



14  深度学习

14.1 caffe

14.1.1 Ubuntu环境配置编译和安装

1) Ubuntu 14.04 LTS, 64bit,cuda 7,  caffe环境配置编译和安装

2) Ubuntu 16.04 LTS, 64bit,cuda 8, Caffe环境配置编译和安装 

14.1.2 Caffe项目

1) 训练MNIST数据集模型 

2) caffe web demo 搭建

3) DeeoID:Deep learning face representation from predicting 10,000 classes
4) DeepID2:Deep Learning Face Representation by Joint Identification-Verification
5) DeepID2+:Deeply Learned Attributes for Crowded Scene Understanding
6) DeepID3:Face Recognition with Very Deep Neural Networks
7) Caffe 实践DeepID(人脸识别)

8) CNN人脸关键点检测

9) 油画风格(Neural style)


14.2 Tensorflow



15 增强现实



16 图像滤镜

16.1 颜色变换矩阵

16.2 卷积

16.3 融合效果滤镜

16.4 


17 视频特效


18 指纹识别 & 破解


19 其他生物特性识别


20 图像融合

20.1 基于权因子的图像融合

20.2 多频段图像融合

20.3 泊松图像融合(泊松融合)

20.4 梯度场融合(gradient field)


21 图像拼接,全景拼接

1) 多图全景拼接

2) 多摄像头视频拼接

3) 360视角拼接

4) 拼接星球效果


22 OCR文字识别

22.1  文字定位

22.2  文字分割

22.3  文字识别


23 条形码&二维码

1) 条形码生成

2) 条形码识别

3) 二维码生成和风格化

4) 二维码识别


24 高动态范围图像(HDR图像)

1) 高动态范围(HDR)

2) 单图HDR

3)多图HDR


25 图像放大、缩小和超分辨率

1)  缩小

2) 放大

3) 超分辨率


你可能感兴趣的:(图像融合,基础知识,图像融合知识)