搜索资源列表
xiaoboshuxing
- 为了描述数字空间目标轮廓,便 于计算机图形表达,提出一种适于描述序列点轮廓的小波描述子。将数字空间轮廓视为周期序列,并基于离散小波变换给出序列点轮廓小波描述子- To describe the target profile digital space, then the computer graphics expression, presents a profile adapted to describe the sequence point wavelet d
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
HogTest
- Hog描述子，主要是用于行人检测，代码直接运行即可-hog descr iption
hog3D
- linux下的hog3d描述子代码，需要安装openCV和ffmpeg库文件-hog3d descr iption of sub-code under linux, you need to install ffmpeg libraries and openCV
Fourier-Descriptors-master
- 提取二值图像轮廓的边界坐标，构造傅里叶描述子-Boundary coordinates binary image contour extraction, Fourier descr iptor structure
covcalculator
- 局部Log.Euclidean协方差矩阵描述子 L2ECM SPD矩阵的空间并不是一个向量空间,而是一个黎曼流形。因此,传统 欧氏空间内的运算 例如欧氏距离、均值-Local Log-Euclidean Covariance Matrix (L2ECM) Local Log-Euclidean Covariance Matrix (L2ECM) to represent neighboring image properties by capturing cor- relation of vari
covs
- 局部Log.Euclidean协方差矩阵描述子 L2ECM SPD矩阵的空间并不是一个向量空间,而是一个黎曼流形。因此,传统 欧氏空间内的运算 例如欧氏距离、均值- Local Log-Euclidean Covariance Matrix (L2ECM) to represent neighboring image properties by capturing cor- relation of various image
DaisyCode
- 内有一cpp的源码和一matlab的源码，输入一张图片，输出其daisy描述子-input a image to get it s daisy descr iptor
one
- 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状 特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor 滤波和灰度共生矩阵 方法得到。而形状特征向量由 Hu 氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用“dropout”方法训练 深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法-Plant based
siftDemoV4
- SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。基于sift算法，对图像配准和拼接(Based on the SIFT algorithm, image registration and stitching)
siftDemoV4
- SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。(SIFT, the scale invariant feature transform (Scale-invariant, feature, transform, SIFT), is a descr iption of the field of image processing. Thi
imagestitching
- 实现了图像的简单拼接。首先寻找特征点，然后计算描述子（特征向量），对寻找到的特征点进行匹配，并塞选匹配结果，然后计算透视 矩阵，将其中一幅图进行透视变换，然后将图片合成。对一些简单的图片比较有效。仅供参考学习。(Realize the simple stitching of the image. First, find the feature point, and then calculate the descr iptor (eigenvector), match the feature po
sztx
- 利用傅里叶描述子复原图像 傅里叶描述子逆变换重建边界 对边界进行二次取样源码 进行边缘提取，得到包络数据信息等等。。(Restoration of images using Fourier descr iptors Fu Liye descr iptors, inverse transform, reconstruction boundary Two sampling sources for the boundary Edge extraction, envelope
sigma点的代码
- 基于分割的局部Sigma语义特征点，是对场景中的语义目标进行建模。先在传统的图像分割基础上，分割出场景的前景目标，再结合像素位置、颜色、Gabor特征和LBP特征[构造出表征目标语义信息的协方差描述子，最后将其转换成欧式空间下的Sigma点特征，适用于标准SVM的场景学习和分类。(The segmentation based local Sigma semantic feature points are modeling the semantic objects in the scene. In
robwhess-opensift-195d764
- SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。 压缩包包括SIFT 源码及相关文档(Scale-invariant feature transform(SIFT) source code on SIFT)
gistdescriptor
- gist描述子 用于图像处理 图像检索 图像预处理领域 具有很好的性能(GIST descr iptor Gist descr iptor is used in image processing, image retrieval and image preprocessing It has good performance)
kalman
- 在 变换窗口内构建完整的梯度流向量描述子, 克服传统算法由于信息(through the digital simulation and the experiment using the KITTI test set, the effectiveness of the integrated navigation algorithm is validated and evaluated)
electric_base_code
- 此程序为天线与电波课程中电振子方向图，描述了其方向的分布(This program is the direction of electrical dipole in antenna and radio courses, and describes the distribution of its direction.)
test4
- 算法描述 SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果。整个算法分为以下几个部分： （1）构造尺度空间：DoG尺度空间 （2）检测DoG尺度空间极值点 （3）去除不好的特征点 （4）给特征点赋值一个128维的方向参数。每个关键点都包含三个信息：位置、尺度和方向。 （5）关键点描述子的生成： 首先将坐标轴旋转为关键点的方向，以确保旋转不变性。以关键点为中心取8×8的窗口。 （6）最后进行特征匹配。(Algorithm descr i
Conf
- 进程控制块(PCB)是系统为了管理进程设置的一个专门的数据结构。系统用它来记录进程的外部特征，描述进程的运动变化过程。(Process control block (PCB) is a specialized data structure in order to manage process settings. The system uses it to record the external features of the process, and describes the process