搜索资源列表
rldw
- 本文对几何模型匹配方法进行了研究,提出了一套完整的人脸定位算法。在预处理部分,采用了特别的增强人脸特征与脸部皮肤之间对比度的方法及局域取阈值二值化方法,改进了预处理的效果。在图像分割部分,实现了经典的分合算法,并且使用成组算法改进了分合的效果。在人脸匹配部分,实现了基于眼睛和嘴的几何模型匹配,并对评价函数的构造进行了研究-geometric model of this matching method for the study and submit a complete set of facia
application_of_special_person_on_ASR_for_the_contr
- 常用的说话人识别方法有模板匹配法、统计建模法、联接主义法(即人工神经网络实现)。考虑到数据量、实时性以及识别率的问题,采用基于矢量量化和隐马尔可夫模型(HMM)相结合的方法。 说话人识别的系统主要由语音特征矢量提取单元(前端处理)、训练单元、识别单元和后处理单元组成,
基于局部小波矩的图像匹配算法
- 该文将图像的视觉不变矩特征引入到图像匹配领域中,通过提取图像的局部小波矩,提出了一种基于局部小波矩的图像匹配算法。
distinctive-image-features
- 本文主要介绍了如何提取图像特征,并进行图像特征匹配-This paper presents a method for extracting distinctive invariant features from images that can be used to perform reliable matching between different views of an object or scene.
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
yixue
- 计算机辅助诊断数字医疗图像增强方法中,简单地应用直方图均衡化方法是不完善 的,直方图匹配化是常规辅助方法之一·以牙X线根尖片图像为例,分析图像特征,采用Gauss函 数来构造多峰曲线,生成匹配化直方图,是一种实用增强方法 -Computer-aided diagnosis of digital medical image enhancement methods, the simple application of histogram equalization method is im
POINT
- 新型高效图像特征点检测算法 在运动检测 匹配 等图像处理领域有广泛应用-A NEW DIGITAL INTEREST POINT OPERATOR FOR CLOSE-RANGE PHOTOGRAMMETRY
Desktop
- 人脸识别技术是计算机模式识别领域非常活跃的研究课题,在法律、商业等领域有 着广泛的应用前景。自动人脸识别系统一般由两个模块组成:定位与检测模块,特征提 取与识别模块。本文对两个子模块进行了详细讨论,通过实验仿真了一个基于静态图像 的人脸识别系统。为提高系统的识别率,本文对定位检测模块和特征提取模块进行了深 入研究。 针对复杂多变人脸检测和定位问题,实现了一种基于对称特征的人脸定位方法。该 算法首先基于肽色特征提取出人脸区域,根据眼睛的颜色和梯度特征在肤色区找到眼睛 可
BaseAutopanoramareserch
- 别对两幅图像提取广义特征点后, 利用基于根均方误差和交叉相关的两级匹配算法完成同名控制点的建立。并以局部加权直线拟合方法来校正图像 的几何畸变。最后建立两幅图像之间的函数映射关系,完成图像的配准。实验结果证明了该方法的有效性。-Do the two images extracted generalized characteristic point, the root mean square error-based and cross-correlation of the two cont
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
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
- 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-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
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
2005510101315809
- 提出了一种复杂背景下的多车牌图像分割和识别方法,首先采用统计和特征匹配相结合的方法进行背景提取,将可能存在车辆的区域提取出来;然后分别对可能的车辆区域进行局部边缘检测,并使用车牌的先验知识确定车牌的位置和单个字符分割,包括车牌倾斜时的字符分割;最后使用PCA和神经网络相结合的方法精确识别车牌。-Proposed a multi-plate image segmentation and recognition method under a complex background, the first
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
sift的人脸识别
- sift 特征匹配实现 人脸识别 特征点 匹配()