这篇文章主要介绍显著性检测的LC和HC算法的java实现 1.LC算法 1.1基本思想 LC算法由Yun 和Mubarak 在2006年的视频显著性检测中提出，其在论文中提出当观众观看视频序列时，他们不仅会被有趣的事件吸引，有时还会被静止图像中有趣的物体吸引。这就是空间注意力 ...

图像显著性检测-Saliency Detection via Graph-Based Manifold Ranking 显著性检测是很多计算机处理的预处理，有限的计算机资源来处理数以亿计的图片，不仅耗资巨大，而且往往时间复杂度高。 那么如果说将这些资源 ...

　　　　　　　　　　　　　　　　　　　　　　　　　　　　HOG特征提取 　　1背景： 　　　　HOG是Histogram of Oriented Gradient的缩写，是一种在计算机视觉和图像处理中用来进行目标检测的特征描述子。可结合OPENCV的SVM分类器等用于图像的识别 ...

1 背景 LBP（Local Binary Pattern，局部二值模式）是一种用来描述图像局部纹理特征的算子，具有旋转不变形和灰度值不变形等显著优点。主要用于纹理特征提取，在人脸识别部分有较好的效果。 2 LBP特征原理 2.1概述 　　　　从94年T. ...

LPC(Linear Predictive Coding，线性预测分析)：由于语音信号的发音特性，提取特征后的帧与帧之间是不独立的，那么我们可以用前面的帧或后面的帧预测当前帧。所求的的预测系数就是我们要用到的特征。线性预测分析中，我们可以用一个全极点滤波器为声道响应函数建模， 即y(z)=x ...

1. 矩的概念 图像识别的一个核心问题是图像的特征提取，简单描述即为用一组简单的数据（图像描述量）来描述整个图像，这组数据越简单越有代表性越好。良好的特征不受光线、噪点、几何形变的干扰。图像识别发展几十年，不断有新的特征提出，而图像不变矩就是其中一个。 矩是概率与统计中的一个概念，是随机变量 ...

特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 特征的定义 至今为止特征没有万能和精确的定义。特征的精确定义往往由问题或者应用类型 ...

这里使用的是python 3.5 、opencv_python-3.4.0+contrib，特征提取的代码如下： 结提取果： ...