搜索资源列表
SIFTtutorial
- 适合图像匹配学习的初学者。David G. Lowe的SIFT演示算法。经过个人使用后，有很多注释说明。-Image matching is suitable for beginners to learn. David g. Lowe SIFT algorithm of demonstration. Through personal use, there are a lot of annotated.
SIFTpp
- 基于SIFT特征匹配的稳健图像拼接算法，可以参考一下-Robust image mosaic algorithm based on SIFT feature matching reference
daisy_presentation
- 大牛 E Tola的daisy特征描述子 比sift稠密 是稠密匹配经典之作 速度很快-Daniel E Tola s daisy feature descr iptor dense is dense than sift matching classic fast
image-matching--
- 首先对图像 进行高斯和 Wallis 滤波处理，然后采用简化 SIFT 算法进行特征点提取，最后通过特征点双向 匹配方法实现图像的精确匹配。通过对缺陷版图图像的试验验证了该方法具有匹配点数量 多、准确率高、无重复点等优点。-First of all Gaussian image filtering and Wallis and simplified SIFT feature point extraction algorithm, and finally through the fea
image-feature
- 把 SIFT 算法应用在牙齿模型图像上，检测牙齿图像的特征点。 方法：首先采用高斯差分算子 DoG 搜索整个图 像的尺度和位置信息，从而确定具有代表性尺度、方向的特征点。基于其稳定性选择关键点，得到一个详细的模型以确定每个候 选点的合适位置和范围。基于局部图像梯度方向信息将方向矢量和关键点对应起来。在选定范围内的每个关键点周边区域测量 局部图像梯度，并采用 KNN 算法进行特征匹配。 结果：通过大量的实验和与其他特征提取方法相比较，该方法能有效地检测牙 齿模型图像的特征，并为牙齿
image-matching-
- 针对 １２８ 维 ＳＩＦＴ 特 征向量，采用距离匹配和余弦相似度匹配相结合的测度方法，利用特征点方向一致性进一步降低误匹配率 ． 实验结 果表明：改进算法对图像的缩放、旋转、光照、噪声和小尺度的视角变换均有较好的匹配效果 ． 与原算法相比，在保 证匹配点数和匹配时间的基础上，改进算法对旋转、缩放、噪声模糊和光照变换的误匹配率平均降低 １０％～２０％ ， 对于小尺度的视角变换，误匹配率平均降低 ５％． -For 128-dimensi
Matching-Algorithm
- 要：图像匹配是计算机视觉中许多领域的基础，特征提取则是图像匹配的基础，其中不变量特征是一 个重要的理论。SIFt是最有效的尺度、旋转、亮度不变量局部特征之一，但算法复杂、计算时间长。分析 了SIFt的计算时间分配，通过计算关键点的邻域梯度直方图时动态修改采样步长，大大提高了SWr的 计算速度。分析了基于SIFt特征的图像匹配算法，提出了双向匹配算法，提高了图像匹配的准确率。实 验结果表明所提出的方法是有效的-Scale invariant feature transform(SI
SIFT_VS
- 用vc6.0实现的sift特征匹配，本人亲试了的，非常好用-Vc6.0 achieve with sift feature matching, I tried pro, very easy to use
Sift_MatlabPC
- 用matlab和vc6.0实现sift特征匹配，本人亲测，可用-Vc6.0 achieve with matlab and sift feature matching, I pro-test, available
based-on
- 提出改进的ＳＩＦＴ算法，该算法可提高运算速度和匹配准确率，增强算法的鲁棒性。-Improved SIFT proposed algorithm can improve the computational speed and matching accuracy, enhance the robustness of the algorithm.
sift_method
- SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果-SIFT (Scale-invariant feature transform) is a local feature detection algorithm by finding a pictur
Image-Stitching
- 基于SIFT特征的全景图像拼接 主要分为以下几个步骤： (1) 读入两张图片并分别提取SIFT特征 (2) 利用k-d tree和BBF算法进行特征匹配查找 (3) 利用RANSAC算法筛选匹配点并计算变换矩阵 (3) 图像融合 -Image Stitching
SLAM
- 本文研究了基于多传感器组合导航方法的SLAM，由于移动机器人无法通过单个传 感器得到可靠的信息，采用多传感器组合导航的方法可以很好的解决这个问题。本文用单个 CCD摄像头和里程计组合进行SLAM研究，并得到更准确的机器人位姿信息。首先用SIFT 算法对不同图像进行特征提取和匹配，得到本质矩阵，对它进行分解，可得到机器人的旋转 矩阵和平移向量(和实际相差一个比例因子)。然后，将它与里程计信息结合，得到机器人的 位姿。在此基础上，可以得到特征点在当前摄像机坐标系中的三维坐标，即创
SIFT_Matlab_global-context
- SIFT特征检测算法改进，SIFT描述子加入全局向量，对局部信息相似度高的图像检测的误匹配剔除有明显改进-This paper presents a technique for combining global context with local SIFT information to produce a feature descr iptor that is robust to local appearance ambiguity and non-rigid transformation
iq245
- 结合PCA的尺度不变特征变换(SIFT)算法，正确率可以达到98％，粒子图像分割及匹配均为自行编制的子例程。- Combined with PCA scale invariant feature transform (SIFT) algorithm, Accuracy can reach 98 , Particle image segmentation and matching subroutines themselves are prepared.