搜索资源列表
Animprovedfastfeaturematchingalgorithmsift
- 一种改进的快速sift特征匹配算法，对学习sift算法很有帮助-An improved fast feature matching algorithm sift
csift
- 一种基于彩色图像的SIFT方法，先算彩色不变量再用SIFT算特征点-Color images based on SIFT method, first considered and then color invariant SIFT feature point count
SIFT
- SIFT特征匹配技术的基本原理，适合初学者使用-SIFT feature matching with the fundamental principles, suitable for beginners to use
sift2
- 提出了一种基于线特征和SIFT点特征的多源遥感影像配准方法。该方法首先匹配待配准影像和参 考影像中的线特征,利用匹配直线构建虚拟角点 其次,针对传统SIFT算法匹配多源遥感影像特征点存在的 不足,采用线特征约束点特征的方法进行SIFT同名点对的提取 最后结合虚拟角点对及SIFT同名点对构建三角网进行小面元微分纠正。 -A line-based features and SIFT features multi-point sources of remote sensing image
sift4
- :提出一种基于尺度不变特征变换(SIFT)特征匹配的目标跟踪方法.首先使用SIFT提取目标特征,构 建目标特征库,然后使用基于K维树的特征匹配算法,对实时序列图像提取的SIFT特征与特征库中目标进行精确匹配 -: Based on Scale Invariant Feature Transform (SIFT) feature matching target tracking. The first to use SIFT target feature extraction, featur
sift5
- :研究了一种多目标识别算法,该算法用SUSAN角点形成SIFT特征点,采用阶梯图像金字塔结构实现尺度不变,为所有匹配点建立统一的超定线性方程组并对该方程组系数矩阵进行简 化使其维数降低一半,得到增广矩阵.对增广矩阵进行列变换,依据坐标转换的特性可从中提取多目标的稳定正常点,实现了快速分离多目标的匹配点. -: Study of a multi-target recognition algorithm using SUSAN corner formed SIFT feature point
android-utiliser-sift
- SIFT (Scale-invariant feature transform) est un algorithme de vision assistée par ordinateur permettant de détecter et décrire des zones d intérêts dans une image. Cet algorithme a été publié par David Lowe en 1999, et le propriétaire du brevet e
sift-introduction
- SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点，其匹配能力较强，可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。该算法目前外文资料较多，但中文方面的介绍较少.-SIFT feature matching algorithm is at home and abroad feature points matching hot area of research and diffi
sift
- sift尺度不变特征，特征提取相关较好论文-The sift scale invariant features, feature extraction better paper
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
SIFT-algorithm
- SIFT特征（Scale-invariant feature transform，尺度不变特征转换)是一种计算机视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe 在1999年所发表，2004年完善总结。其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。此算法有其专利，专利拥有者为 英属哥伦比亚大学。 局部影像特征的描述-SIFT algorithm
Multi-quantifying-SIFT
- 图像特征提取：多元量化 SIFT 视觉特征提取方法 -Image feature extraction
SIFT
- SIFT算法，基于特征的特征点提取及基于置信度的特征匹配-SIFT algorithm, feature-based feature extraction and matching based on the characteristics of Confidence
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
sift-based-on-edge-corner
- SIFT 由特征提取，特征描述符描述和特征匹配 3 部分构成，该算子特征提取数目庞大，建立特征描述符运算 量高，导致算法效率低。提出了一种 SEC( SIFT-Edge-Corner) 算法，在图像尺度空间提取角点代替 SIFT 特征点，并根 据角点是边缘曲率极值理论，预先采用 Canny 算子得到高斯边缘图像金字塔，再提取角点并进行尺度选择。实验结 果表明: 该算法在保障高准确率的前提下大幅度提高特征提取效率-By the SIFT feature extraction, fea
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
PCA-SIFT
- 用pca-sift实现特征匹配，是sift算法的改进，可直接使用-Achieved with pca-sift feature matching is improved sift algorithm can be used directly
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