搜索资源列表
20078919473159230
- 尺度不变特征点(SIFT)检测和匹配算法 需要添加opencv 和GSL库
SIFT_VC
- 实现著名的图像特征检测sift算法进行图像的匹配，对于计算机视觉领域的朋友有帮助
siftDemoV4
- 快速实现SIFT算法，提取参考图与待配准图的特征点并进行匹配
siftDemoV4
- 使用sift工具可以准确确定图片的关键点,以及匹配特征点,在确定图象相似性中有很大的作用 本程序使用matlab编写 方便执行
nsift
- n维sift图像特征点匹配算法的源码，可以实现图像配准、分割等
imagetest
- sift 匹配算法，输入两幅bmp图片，可以完成特征点寻找和匹配
pj
- 提出了一种基于特征点的全自动无缝图像拼接方法。该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配，并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度，使用稳健的RANSAC算法求出图像间变换矩阵H的初值并使用LM非线性迭代算法精炼H，最终使用加权平滑算法完成了图像的无缝拼接。
OpenSURF_version1c(1)
- SURF算法，是SIFT的升级版，速度更快，性能也不差，快速实现图像特征点的检测和匹配。-SURF algorithm, is an upgraded version of SIFT, faster, not bad performance, rapid detection of image feature points and matching.
SIFT_VC_LOWE
- sift算法，纯c语言实现，运行环境vc6.0，对两幅图片进行特征提取和匹配！-sift algorithm, pure c language, operating environment vc6.0, pictures of the two feature extraction and matching!
siftDemoV4
- 图像匹配的实现，其中match.m：测试程序，sift.m :尺度不变特征变换（SIFT算法）的核心算法程序，appendimages.m: 该函数创建一个新的图像分别包含两个匹配的图像和他们之间的匹配对的连接直线，可以运行。 -The realization of image matching, which match.m: test program, sift.m: scale-invariant feature transform (SIFT algorithm) of the cor
siftdetectandmatch
- 运用sift算法提取两幅图像中的特征点，然后再进行特征点匹配，实现图像配准-Sift algorithm using two images extracted feature points, and then the feature point matching, to achieve image registration
OpenSURF
- surf算法是现在最新的寻找图像特征点并匹配的算法，与SIFT算法相比速度更快，可以用在3D重建、图像拼接等多个领域-surf algorithm is now the latest to find the image feature points and matching algorithms, compared with the SIFT algorithm is faster, can be used in 3D reconstruction, image mosaic, and othe
RANSACANDSIFT
- 基于影像特征点，利用SIFT算子提取特征点，然后利用Ransac算子剔除错误的点，用于保证影像匹配时的精度。-Based on image feature points, the use of SIFT operators extract the feature points, and then remove the error by Ransac point operator, when used to ensure the accuracy of image matching.
SIFTtutorial
- SIFT算法特征提取,用此特征提取后，可以将测试图像与模板图像进行匹配-SIFT，features extract
match
- 用C++实现两幅图像的SIFT（尺度不变特征变换）特征点的匹配
Desktop
- 通过提取不变量特征来实现两幅图像之间的匹配-matching by two pointwhich are sift
sift_matlab
- 一个关于sift算法的Matlab实例，包含特征提取和图像匹配。-A Matlab instances on the sift algorithm, including feature extraction and image matching.
5
- 本文提出了一种基于特征点的全自动无缝图像拼接方法。该方法采用对于尺度具有鲁棒性的SIFT 算法进行特征点的提取与匹配，并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度，使用稳健的RANSAC 算法求出图像间变换矩阵H 的初值并使用LM 非线性迭代算法精炼H，最终使用加权平滑算法完成了图像的无缝拼接。整个处理过程完全自动地实现了对一组图像的无缝拼接，克服了传统图像拼接方法在尺度和光照变化条件下的局限性。实验结果验证了方法的有效性。-This paper presents a feature
siftDemoV4
- sift（尺度不变特征变换 scale invariant feature transform） 特征提取与匹配-Sift feature extraction and matching
improved-MSER-algorithm-
- 本文在比较多种仿射不变性区域的基础上，选取最大稳定极值区域(MSER)对图像内容进行分割和提取，并通过构造仿射不变量的方法，对提取出来的区域进行规整化，进而从规整化的区域中提取SIFT描述子，然后根据匹配目标的需要进行特征的组合、变换，以形成易于匹配、稳定性好的特征向量，从而把图像匹配问题转化为特征的匹配问题 通过改进的K均值算法对特征向量进行聚类，聚类中心作为图像的视觉关键词:利用视觉关键词的思想，把文本检索技术领域的方法移植到图像检索应用上；并研究视觉关键词之间的空间约束关系。-Most r