搜索资源列表
imagematchsourcecode.tar
- 立体匹配算法，里面的匹配算法不仅匹配的很准确，而且匹配到的特征点比大多数算法更多。是一个很难得的匹配算法源码！-Stereo matching algorithm, which matches the matching algorithm is not only very accurate, but matched feature points more than most algorithms. Is a very rare matching algorithm source code!
SURF
- surf特征点检测，并实现两幅图像特征点的匹配-surf feature point detection, and the two images matching feature points
harris-match
- harris角点检测，并且实现两幅图像特征点的匹配，最终完成图像的拼接-harris corner detection, and realize two image feature point matching, the final completion of image stitching
The-wavelet-transform
- 利用小波变换来提取特征点，主要是通过小波系数的比较，提取关键点，再通过关键点匹配，实现图像配准。-Using wavelet transform to extract feature points, mainly through the comparison of wavelet coefficients, extract key points, and then through the critical point matching, to achieve image registration
SIFT_and_ransac
- 用c++实现sift特征点的检测，匹配，并用RANSAC滤除掉误匹配点，在VC2008运行效果不错。-With c++ achieve sift feature point detection, matching, and filtered out using RANSAC mismatching points, the VC2008 run good results.
featurepoint
- 这是基于特征点的快速匹配算法，内容详细，值得参考！-This is based on feature points matching algorithm fast, detailed and worth considering!
RANSAC
- 对图像的特征点，进行匹配，利用RANSC找到最佳的映射矩阵-The image feature points matching, using the mapping matrix to find the best RANSC
pics_match
- 用于图像拷贝检测的图像匹配，提取图像的SIFT特征点，构成图像的特征。-For image copy detection of image matching, image SIFT feature point extraction, and then sift feature point the image characteristics
matching
- 使用Harris Corner提取特征点，通过相关算法得到匹配结果后，再使用Ransac算法剔除错误匹配-Using Harris Corner feature point extraction, through the relevant algorithm matches, then use Ransac algorithms eliminate false matches
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
matlab
- (1) 读取n副连续有重叠部分的图像，在n副图像中检测SIFT特征，并用SIFT 特征描述子对其进行描述。 (2) 匹配相邻图像的特征点，并根据特征点向量消除误匹配。 (3) 使用RANSAC方法，确定变换参数。 (4) 图像融合 -(1) Read n successive overlapping sub-part of the image, the image of the n sub-SIFT features detected and characterized us
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.
pipei
- 基于sift特征点的图像匹配,还有很好的改进程序-Sift feature point based image matching
SIFT
- 提取SIFT特征，进行特征提取和匹配，包括特征点的定位，特征点描述子的生成，特征点的匹配，-extract SIFT feature，and feature matching
chongmatch
- 该匹配算法是用surf特征点和随机一致性算法共同完成的，精度高，可靠性好。代码是OpenCV，C++写的 效果不错。-The matching algorithm is surf feature points and random consistency algorithm together to complete, high precision, good reliability. Code is OpenCV, C++ write good results.
Harrisjiaodianjiancefa
- 这是一个用于角点检测的算法程序，精度还可以，适合图像匹配时使用，对于一些特征点也可以效果明显，值得一看-This is for a corner detection algorithm procedures, the accuracy can also suitable for use image matching, For some feature points can obviously, an eye-catcher
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