搜索资源列表
4_hough
- 本程序实现hough变换。Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化为检测局部特性。比如直线、椭圆、圆、弧线等。 -Hough transform this program. Hough transform image processing image recogniti
localfeaturesfacerecognition
- this a source codes for face recognition using local features
wavelet
- A new approach for fingerprint verification, based on wavelets and pseudo Zernike moments (PZMs), is discussed. PZMs are robust to noisy images, invariant to rotation and have a good image reconstruction capability [4]. PZMs have been used for
3
- 自动学习和多局部特征提取。 自动学习和多局部特征提取。-Automatic Learning and Extraction of Multi-Local Features。
ImageFeatureExtraction
- 人脸图像特征提取：基于局域二值模式（LBP），对图像中的人脸纹理特征进行提取。-Face Image Feature Extraction: Based on the local binary pattern (LBP), the human face on the image to extract texture features.
hough--line
- Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。也即把检测整体特性转化为检测局部特性。比如直线、椭圆、圆、弧线等-Hough transform is image processing image recognition from the basic geometry of one of the meth
ComputeLBP
- Source code for computing the Local Binary Patterns (LBP) features of an image.
local-features
- 基于局部累积直方图和纹理特征的图像检索方法-The cumulative histogram and texture based on local features of image retrieval methods
sift
- 使用sift方法提取局部特征，非常好用！-Method to extract local features using the sift, very easy to use!
SIFT
- 该代码可以实现尺度不变特征转换(Scale-invariant feature transform 或 SIFT)变换，程序文档中包含了样例图片以及相关代码，能够得到较好效果的特征变量。SIFT是一种电脑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。-Scale-invariant feature transform (or SIFT) is an algorithm in computer vision to detect and de
sift
- 1999年British Columbia大学大卫.劳伊（David G.Lowe）教授总结了现有的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子－SIFT（尺度不变特征变换），这种算法在2004年被加以完善。 -University of British Columbia 1999, David Rowe (David G. Lowe) summed up the professor is not variable
sift
- 1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。 2 SIFT 主要思想 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 3 SIFT算法的主要特点： a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 b) 独特性(Distinctive
Local--Survey
- 局部特征的概述，有利于初学者对算法的了解-An overview of local features, beginners' understanding of the algorithm
computer_vision_work
- 自动图像拼接，利用SIFT特征匹配算法，RANSAC(random sample consensus)算法，加权平滑算法等技术克服了传统图像拼接技术中的局限性(如光照、尺度变化的影响等)，实现了光照和尺度变化条件下的多视角无缝图像拼接-Automatic Image Stitching Local features detection Features Matching Homography Estimation RANSAC
SIFT
- 图像处理方面SIFT算法有关，SIFT算法是一种提取局部特征的算法,在尺度空间寻找极值点,提取位置,尺度,旋转不变量 SIFT特征是图像的局部特征-Image processing related to the SIFT algorithm SIFT algorithm is an algorithm to extract local features to find the extreme points in the scale space, extract the location, sca
ORB-and-FREAK-experiments-
- ORB和FREAK局部特征对比实验ORB_FREAK-ORB and FREAK local features of comparative experiments ORB_FREAK
Real-time-local-visual-features
- 两种新的用于全向视觉的实时局部视觉特征提取算法，详细说明见附件中的论文。-Two novel real-time local visual features for omnidirectional vision, as described in detail in the attached paper.
Bag-of-visual-words
- SIFT等局部特征的词袋模型实现。包括K-means聚类，直方图特征的形成，以及KNN分类。-SIFT local features such as word bag model implementation. Including K-means clustering to form histogram features, and KNN classification.
Local-Binary-Patterns
- 局部二进制模式，LBP，是已被用于纹理特征的一个 分类。在本文中，提出了一种基于使用这些功能的方法 检测缺陷图案的面料。在培训阶段，在第一个步骤LBP算子是 施加到无缺陷织物样品，逐个象素和参考的所有的行（列） 特征矢量的计算。那么这个图像被分为Windows和LBP算子是 应用这些窗口的每一行（列）。根据与参考比较 特征向量一个合适的阈值，无缺陷的窗户被发现。在检测阶段中，一个 测试图像被划分成的窗户，并使用阈值时，有缺陷的窗口可以 检测到。该方
Moving-Target-Detection-Method-
- 针对成像平台运动情况下的运动目标检测问题，提出了一种从特征点稀疏运动场估计到运动分类的目标检测算法。 首先通过快速特征点检测与跟踪恢复出图像稀疏运动场；然后依据特征点之间运动一致性关系实现属于同一运动模式的特征 点分类，根据分类得到的各组特征点计算场景图像重建误差，剔除重建误差最小的特征点组，实现对前景目标的检测。仿真实 验对该算法在复杂场景中检测运动目标的有效性进行了验证。-】In order to detect target in the background motion vi