搜索资源列表
Harris尺度不变性关键点检测子的研究
- ：在特定的参数设置下Harris尺度不变性检测子不能提供足够数目的稳定关键点，以往研究据此断定 Harris尺度不变性检测子不稳定，不是有效的特征检测子．在构造Harris角点值的尺度空间过程中，存在一系列参 数影响着Harris角点值在尺度空间中极值点的数目，从而决定了Harris尺度不变性检测子所能获取的稳定关键 点的数目．对这个参数空间进行了系统研究，发现积分尺度与微分尺度的比值对Harris尺度不变性检测子能否检 测到足够数目的稳定关键点具有决定性的影响．
csift(color-invariant-)
- 图像特征点检测和描述，运用颜色不变量表示特征和描述符-sift color invariance,descr iptor
21013118220079121641567539327
- 自动更新程序一个进行特征提取的算法,主要可以进行特征点的检测以及与之相关的边缘检测--An automatic update feature extraction algorithms, the main feature points can be associated with the detection and edge detection--
cornerdetect
- 图像中的角点包含大量的信息，在计算机视觉中扮演重要角色，在许多应用中角点用作特征点，例如图像配准、运动目标跟踪等。鉴于此，学者们提出很多角点检测方法。例如Hans EMoravec在1977年提出的Movavec算法，Chris Harris和Mike Stephens于1988年提出的Harris算法，以及MirosavTrai．kovic和MarkHedley提出的Trajkovic算法等“卅。角点检测的另一个途径是计算轮廓的曲率函数，因为角点是曲率函数的最大值，因此很容易通过阈值的方法检测
safjfd
- 首先分析了典型说话人识别系统的各关键技术，详细分析了矢量量化技术在 说话人识别中的应用，研究了码本训练算法以及说话人判别算法，对算法中各参 数值的选取进行了讨论 其次根据系统的需求建立一个小的语音库，录制语音信 号，并对采集的语音信号进行预处理，检测语音信号的起始端点 在MATLAB 环境下仿真说话人识别系统，验证系统设计方案的可行性:特征提取阶段，提取 语音信号的12阶美尔倒谱系数以及各阶倒谱系数对应的1阶差分倒谱系数，在 训练阶段，采用分裂法和GLA算法相结合的矢量量
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
ijcv04
- David G. Lowe关于sift特征点检测的牛文。-A famous paper about sift detection by David G. Lowe.
cx4
- 。在提取图像特征点的时候采用提取角点的方式，用角点检测与图像的局部自相关函数紧密结合的方法，通过角点分析来判断待检测点是否为角点。-In the extraction of image features: by the way, extracts angular point with corner detection and image of partial autocorrelation function of integrated method, through the corner to
ECG_Noise
- 心电信号特征点检测的算法研究,针对在心电信号检测中传统的小波方法受锢于二进小波变换的尺度只能是 按2的整次幂取值的缺陷，本文利用连续小波变换在尺度取值上可选取非二进 尺度的特性，系统研究了连续小波变换在心电信号检测中的应用，并提出了一 个基于连续小波变换的心电信号检测算法-ECD signal detect,QRS
harris--feature-extraction
- 图像中角点(特征点)提取与匹配算法.，通过harris焦点检测来实现特征的提取-Extraction and matching algorithms of image corners (feature points), harris focus detection to the feature extraction
opencv2.3.1SIFT
- 就10行就可以检测特征点，用opencv2.3.1实现，很好的-10 line can detect feature point, use opencv2.3.1 realization, very good
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
CV_features2d
- OpenCV里面实现了许多特征点检测算法，我花了一段时间去学习和理解，写了一个文档在这，希望对大家又帮助。-OpenCV which implements many features detection algorithm, it took me some time to learn and understand, wrote a document in this, and I hope they help.
improved-surf
- 改进SURF算法，FAST角点检测算法代替原始SURF特征点检测，很大程度上提高了特征点检测速度。-Improved SURF algorithm, FAST corner detection algorithm instead of the original SURF feature detection, feature detection greatly improves the speed.
PhaseCorners
- 基于相位一致性特征角点、边缘特征检测的基本原理介绍（ppt）-Phase Congruency Detects Corners and Edges
opencv-doc
- 图像数据操作（内存分配与释放，图像复制、设定和转换） 图像/视频的输入输出（支持文件或摄像头的输入，图像/视频文件的输出） 矩阵/向量数据操作及线性代数运算（矩阵乘积、矩阵方程求解、特征值、奇异值分解） 支持多种动态数据结构（链表、队列、数据集、树、图） 基本图像处理（去噪、边缘检测、角点检测、采样与插值、色彩变换、形态学处理、直方图、图像金字塔结构） 结构分析（连通域/分支、轮廓处理、距离转换、图像矩、模板匹配、霍夫变换、多项式逼近、曲线拟合、椭圆拟合、狄劳尼三角化）
SIFT
- SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果-SIFT (Scale-invariant feature transform) is a local feature detection algorithm by finding a pictur
sift_method
- SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果-SIFT (Scale-invariant feature transform) is a local feature detection algorithm by finding a pictur
SIFT
- SIFT是由UBC（university of British Column）的教授David Lowe 于1999年提出， 并在2004年得以完善的一种检测图像关键点（key points , 或者称为图像的interest points(兴趣点) )， 并对关键点提取其局部尺度不变特征的描绘子， 采用这个描绘子进行用于对两幅相关的图像进行匹配（matching）。 目前， SIFT可以说是所有图像局部特征描述特征子 中最火的一个了。-SIFT was developed by David L
FaceFingerAuth-master
- FACE DETECTION 用于人脸检测 特征点提取(FACE DETECTION. Facial feature extraction and representation.)