搜索资源列表
ImageRegistration.rar
- 基于边缘特征的图像配准算法源码 基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、
harris-ncc-ransac
- 本代码主要是harris角点提取，ncc算法进行粗匹配，然后ransac算法剔除误匹配点-harris ncc ransac
ransac
- ransac算法实现，图像匹配使用，消除不是正确匹配的对应点。-ransac
newmatch
- 对两幅图像进行角点检测，并对检测到的角点进行特征匹配，效果非常好，误匹配率非常低，耗时仅9毫秒-Two images of the corner detection, and detects the angular point feature matching, the effect is very good, very low false match rate, time-consuming only 9 ms
200892174420583
- 这是一个图像匹配中去除误匹配点经常用到的算法。-This is an image matching error matching points removed frequently used algorithms.
IRandvisbletuxiangpeizhun
- 针对可见光与红外图像的特点和难点，提出了可见光与红外图像配准与融合中的关键技术，即: 使用新型的基于一维最大类间方差和最大连通性测量的图像分割方法对源图像进行分割来更好地实行图像粗 配准 使用新型的特征点提取方法，特征点的匹配及误匹配的消除来更好地实行图像精配准 采用新型的基 于区域的树状小波活性测度计算来实现树状小波图像融合 利用自生成神经网络来实现模栩图像融合. -For visible light and infrared images of the characteris
Registration
- 提出一种新的基于分支结构特征的视网膜图像配准方法，此算法可降低误匹配的点。能够应用到其他图像配准中，形成良好的等级结构。-Feature-Based Retinal ImageRegistration Using Bifurcation Structures
SIFT
- SIFT算法实现，更加适合医学图像匹配，更好去掉边缘点，去掉误匹配-this is not original SIFT algorithms,can fit for operation pictures,delete the edge points,reduce the wrong match
motion-tracking-and-implementation
- 目标跟踪是计算机视觉的一个重要分支,日益广泛应用于科学技术、国防安全、航空、医药卫生以及国民经济等领域。实现目标跟踪的关键在于完整地分割目标、合理提取特征和准确地识别目标,同时,要考虑算法实现的时间,以保证实时性。当视频图像中被跟踪目标发生姿态变化,存在旋转或部分遮挡时,简单的灰度模板或者Hausdorff距离匹配一般很难达到实时跟踪目标的要求,出现误匹配或者跟踪丢失的情况,而且跟踪效率较低。Gary R.Bradski提出的CAMSHIFT[1](Continu-ously Adaptive
RANSAC
- 特征点的提取完成后，会存在误提取的特征点，ransac可以去除误匹配点。-The extraction of the feature points is completed, there will be mistakenly extracted feature points, RANSAC can remove false matching points.
Angle-point-image-registration
- 针对多幅图像之间的图像配准问题，该文提出了一种新的图像自动配准算法。该算法应用Harris 角点检测方法获得角点信息。在匹配过程中。采用圆形区域和双向相关系数法进行相似性度量。采用圆 形区域，很好的解决了旋转问题；采用双向相关系数法，更加保证了匹配的精确度，减少误匹配率。初步 实验结果表明：该方法可以高效短时地实现图像间的自动配准。-Image registration problem between multiple images of the paper, a new autom
stereo_sad
- 自己编写的立体匹配源代码，采用SAD作为费用累积函数，并且加入了L-R Check和邻域投票法解决误匹配问题-Stereo matching source code to write your own, using the SAD as cost cumulative function, and LR Check and neighborhood voting method to solve the problem of mismatching
RANSAC
- 提纯检测到的特征点的一个算法，可以和SIFT算法结合使用，去除一些误匹配的关键点，提高代码的执行效率-Purified feature points detected an algorithm that can be used in conjunction with SIFT algorithm to remove some of the mismatching of the key points to improve the efficiency of the implementation o
main
- SIFT算法采用RANSAC剔除误匹配点-SIFT algorithm eliminates false matching points using RANSAC
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
surf-ransac
- 提取surf特征点，并使用ransac算法剔除误匹配点-use surf detect feature points and use ransac delete wrong matching points
Qt_RobHess_SIFT
- RobHess的SIFT源码 RANSAC去除误匹配-SIFT the source code for RobHess RANSAC remove false match
SITFbasedmatch
- 包括基于SIFTGPU的sift特征提取，sift匹配，基于ransac误匹配点剔除等-SIFTGPU based sift feature extraction, sift matching, mismatching points based ransac removed, etc.
RANSAC算法去除误匹配点
- ransac消除错配matlab代码。运行通过，输入两个点集的坐标、迭代次数、阈值参数，输出正确匹配点集坐标。
基于SIFT算法的图像特征点提取与匹配
- 文章深入研究了 SIFT 特征点提取的原理及过程，以基于 K-D 树结构的近邻算 法对呈线性变换的两幅图像在不同视角和噪声干扰情况下进行了特征点的粗匹 配，并通过随机抽样一致性算法(Random Sample Consensus)进行特征点的提纯，删 除例如错误的匹配特征点对。针对粗匹配后误匹配点对较多导致的 RANSAC 算法 效率降低、运算时间变长的情况，论文以视差梯度约束对粗匹配点对进行预筛选， 提升了 RANSAC 算法的效率。根据匹配点对空间位置关系得出图像之间的变换模 型；最后将图像