搜索资源列表
Delphi
- 针对目前的基于特征的图像检索中没有有效地结合图像中对象空间信息的问题,提 出了一种新的融合了颜色、空间和纹理特征的图像特征提取及匹配方法。为了减少时间 间复杂度,首先通过基于普通颜色直方图的检索得到初始图像集合,然后根据提出的结合空间、纹理特征加权度量对初始图像集合再进行检索,从而得到最后更符合要求的相似图象
ImageRetrieval
- 本系统利用图片的surf特征进行匹配,KD-tree存储特征数据节点,实现相似图片的检索。实现类似于百度的以图搜图功能,结果返回最相似的前十名的图片。-The system uses a picture of the surf feature match, KD-tree storage feature data node, similar image retrieval. Similar to Baidu to search map function returns the results o
Image-processing-lbp-1-
- 提供一种基于颜色和纹理特征的图像识别方法,该方法包括如下步骤:将检测图像A和匹配图像B均分成n个子块;计算检测图像A和匹配图像B在子块k的颜色特征相似距离Dk(A,B),纹理特征相似距离Tk(A,B),其中k∈(o,n];计算检测图像A和匹配图像B的颜色特征相似距离C(A,B),纹理特征相似距离T(A,B);根据检测图像A和匹配图像B的颜色特征相似距离C(A,B)和纹理特征相似距离T(A,B)判断检测图像A和匹配图像B的相似度S(A,B)。相对于现有技术,本发明基于颜色和纹理特征的匹配来计算图像
Census_Hamming
- 计算特征的汉明距离作为特征匹配相似度的评价标准(The Hamming distance of the feature is used as the evaluation criterion of feature matching similarity)
DTW
- Dynamic Time Warping(DTW)诞生有一定的历史了(日本学者Itakura提出),它出现的目的也比较单纯,是一种衡量两个长度不同的时间序列的相似度的方法。应用也比较广,主要是在模板匹配中,比如说用在孤立词语音识别(识别两段语音是否表示同一个单词),手势识别,数据挖掘和信息检索等中。(The birth of Dynamic Time Warping (DTW) has a certain history (Itakura, a Japanese scholar), and it
CCA
- 最完整的CCA典型相关分析程序,分析两幅图像,相似度,匹配,融合都可以使用,分析天气变量也可以使用。(The most complete CCA canonical correlation analysis program, analysis of two images, similarity, matching, fusion can be used, analysis of weather variables can also be used.)
Source code
- 在opencv上实现双目测距主要步骤是: 1.双目校正和标定,获得摄像头的参数矩阵: 进行标定得出俩摄像头的参数矩阵 cvStereoRectify 执行双目校正 initUndistortRectifyMap 分别生成两个图像校正所需的像素映射矩阵 cvremap 分别对两个图像进行校正 2.立体匹配,获得视差图: stereoBM生成视差图 预处理: 图像归一化,减少亮度差别,增强纹理 匹配过程: 滑动sad窗口,沿着水平线进行匹配搜索,由于校正后左右图片平行,左图
er
- 对亚马逊和谷歌的数据进行匹配进行解析,用余弦相似度并设置阈值,求出两条数据是否匹配(Data matching between Amazon and Google is analyzed.)
模糊熵源码
- 计算给定时间序列数据的模糊熵。基于向量形状的相似度定义,加上自匹配的排除,使得模糊相对一致性更强,对数据长度的依赖性更小。