搜索资源列表
imageStitching
- 图像拼接。首先采用surf算法提取特征点，再用双向匹配剔除误匹配，最后采用渐进渐出实现全景图-Image stitching. First feature points are extracted using surf algorithm, and then removed two-way matching mismatch, finally adopted gradually progressive realization panorama
3
- 运动目标跟踪在工业过程控制、医学研究、成像制导等领域具有重要的实用价值。目前的研究多基于背景静止的情况，对背景发生移动的情况研究较少。提出了一套完整的移动背景下的目标跟踪算法，首先使用基于互信息的方法配准序列图像的背景。然后使用差分的方法进行运动区域检测，并将其与图像分割技术相结合，得到目标跟踪模板。目标的跟踪基于Kalman滤波的预测，其匹配过程仍基于互信息理论，实验结果证明：该算法具有较高的计算效率和准确性，应用前景广泛。-it is of important practical value
PURE
- 各种图像预处理算法，形心定位，特征提取，特征匹配等-A variety of image pre-processing algorithms, centroid location, feature extraction, feature matching, etc.
template-matching
- 在将 标准图像和待测图像分别分色的基础上,采用序贯相似性检测算法对各色灰度图像分别进行模板 匹配,并根据匹配数据,对图像进行平移、 缩放及旋转操作,使两幅图像能够在空间上配准-In the standard image and the test image, respectively, based on the separation, using sequential similarity detection algorithm for color gray image, respect
ImprovedDL
- 这是一篇SCI文章《改善字典学习：多字典更新和系数重用》里的Matlab代码，包含了OMP、Batch-OMP、CoROMP等匹配跟踪算法代码以及改进的K-SVD字典学习算法代码，是图像稀疏表示研究方向重要的源代码，有助于大家学习和改进。-This file folder reproduces the Figures for paper:"Improving Dictionary Learning: Multiple Dictionary Updates and Coefficient Reus
AdaptiVe-Aggregation
- 出了一种恢复高质量稠密视差图的立体视觉合作算法．该算法采用基于形态学相似性的自适应加权方 法，迭代地进行局部邻域的自适应聚合和抑制放大，实现高效率和高质量稠密视差图计算．将该算法推广到三目摄像 机立体匹配系统中，通过重建摄像机坐标系实现图像校正，并根据连续性假设和唯一性假设，建立视差空间中的支持 关系和三目摄像机之间的抑制关系．实验结果表明，三目立体合作算法能够得到精确的场景视差映射，并可以实现多 基线方向的遮挡检测．该算法特别适用于由多个廉价摄像机组成的立体视觉系统，在几乎不增
Image-detection--template-matching-
- 图像的检测，模板匹配的算法代码。主要实现人脸的识别与检测匹配的功能。-Image detection, template matching algorithm code. The main achievement of the human face recognition and detection capabilities for matching.
finger(-C)
- 指纹图像增强、求方向图、二值化、细化、特征提取、特征匹配等算法 的c语言源程序，还有实例演示，本人千辛万苦才找来的， 提供给大家分享。 -Fingerprint image enhancement, seeking direction map, binarization, thinning, feature extraction, feature matching algorithm c language source code, as well as examples of pre
surfcheck
- 用surf算法完成了图像特征点的检测盒特征点的匹配-Completed with surf algorithm cartridge of the image feature points matching feature points
SIFT
- 用SIFT算法实现了刚性和非刚性图像的配准 并且效果非常理想 SIFT的特征点的提取 描述 和匹配的算法有注释-Nonrigid Registration Using Free-Form Deformation.
pertinence2
- 实现了两幅二值图像的匹配，给出了一种简单的相似性度量的算法-Implements two binary images match, gives a simple algorithm similarity measure
imageInpainting
- 参考Object Removal by Exemplar-Based Inpainting中的相关算法，实现图像修补，在搜索匹配patch部分还有些小问题-Reference Object Removal by Exemplar-Based Inpainting the correlation algorithm, image repair, matching patch in the search and there is still some small problems
HarrispointDetect
- Harris角点检测算法，对做图像的特征点匹配时有很大的帮助，希望大家好好学习。-Harris corner detection algorithm to do image matching feature points when there is a great help, I hope we can learn from.
sift
- 使用sift算法对图像进行匹配处理实验，实验结果证明程序可靠。-The use of SIFT algorithm for image matching processing experiment, experimental results show that the program is reliable.
LSH
- python编写的LSH算法的图像识别匹配小程序，适于初学者-LSH written in python image recognition algorithm matching small program, suitable for beginners
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
ICM2image_loop
- 对两帧图像进行ICM调试.包含内容：1估计姿态和摄像机内参数；2两幅图做四次金字塔；3利用输入特征点采用ransac算法估计姿态R, T。4sift特征匹配；5摄像机标定。-ICM images on two debugging. Contains: 1 Estimated posture and intrinsic parameters 2 two plans to do four pyramids 3 using the input feature points using ransac