搜索资源列表
SURFSIFT
- 这是SIFT和SURF算法的基本介绍的文档，初学者可以快速入门，对匹配算法快速掌握。-SIFT and SURF algorithms which is a basic introduction to the document, beginners can get started quickly, right matching algorithm to grasp.
Animprovedfastfeaturematchingalgorithmsift
- 一种改进的快速sift特征匹配算法，对学习sift算法很有帮助-An improved fast feature matching algorithm sift
Simplify_CVSIFT
- 采用简化SIFT算法实现快速图像匹配，相当实用的文章-Simplified fast SIFT image matching algorithm
SIFT
- SIFT特征匹配技术的基本原理，适合初学者使用-SIFT feature matching with the fundamental principles, suitable for beginners to use
sift1
- 针对现有的图像复制遮盖篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题, 借鉴图像匹配技术中的SIFT(scale invariant feature transform)特征匹配算法,首次提出将其用于检测复制 遮盖的篡改操作。 -Cover the existing image copy for tamper detection algorithm needs some prior information on the calculation of post-proc
sift2
- 提出了一种基于线特征和SIFT点特征的多源遥感影像配准方法。该方法首先匹配待配准影像和参 考影像中的线特征,利用匹配直线构建虚拟角点 其次,针对传统SIFT算法匹配多源遥感影像特征点存在的 不足,采用线特征约束点特征的方法进行SIFT同名点对的提取 最后结合虚拟角点对及SIFT同名点对构建三角网进行小面元微分纠正。 -A line-based features and SIFT features multi-point sources of remote sensing image
SIFT3
- :对传统SIFT算法从特征点提取时间和匹配精度上进行了优化,基于优化算法提取的特征点对构建 三角网进行小面元微分纠正配准。试验结果表明,该方法是一种有效的遥感影像自动配准方法。 -: SIFT algorithm from the traditional feature extraction time and matching accuracy, and the optimization, optimization algorithm based on the extracted fea
sift4
- :提出一种基于尺度不变特征变换(SIFT)特征匹配的目标跟踪方法.首先使用SIFT提取目标特征,构 建目标特征库,然后使用基于K维树的特征匹配算法,对实时序列图像提取的SIFT特征与特征库中目标进行精确匹配 -: Based on Scale Invariant Feature Transform (SIFT) feature matching target tracking. The first to use SIFT target feature extraction, featur
A_simple_method_to_steoro_match
- 汽车防撞，技术路径不外：1.雷达测距防撞；2.视差测距防撞。前者，一旦保有量较大，必定遭遇互相干扰问题；后者，以前主要问题是，算法复杂，实时性差。 本文公开了一种新算法（已申请发明专利），主要运算可以借助硬件组合逻辑模块并行执行，可以极大提高视差测距的实时性，满足汽车防撞的要求。-(Background) Stereo matching, requires in two images to identify two pixels to be matched each other, i
sift-introduction
- SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点，其匹配能力较强，可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。该算法目前外文资料较多，但中文方面的介绍较少.-SIFT feature matching algorithm is at home and abroad feature points matching hot area of research and diffi
An-Open-Source-SIFT-Library
- Describes an Open Source library used for the purpose of Image Matching using David G. Lowes SIFT algorithm.
Video-vehicle-matching-
- 本文在opencv环境下，以目标识别为中心，利用 SIFT 算法对图像进行局部特征的提 取和其算法稳定的特点，有效准确建立匹配关系。-Opencv environment, target recognition, SIFT algorithm for image local feature extraction and algorithm characteristics, effectively and accurately create a matching relationship.
SIFT
- SIFT算法，基于特征的特征点提取及基于置信度的特征匹配-SIFT algorithm, feature-based feature extraction and matching based on the characteristics of Confidence
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-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
Matching-Algorithm
- 要：图像匹配是计算机视觉中许多领域的基础，特征提取则是图像匹配的基础，其中不变量特征是一 个重要的理论。SIFt是最有效的尺度、旋转、亮度不变量局部特征之一，但算法复杂、计算时间长。分析 了SIFt的计算时间分配，通过计算关键点的邻域梯度直方图时动态修改采样步长，大大提高了SWr的 计算速度。分析了基于SIFt特征的图像匹配算法，提出了双向匹配算法，提高了图像匹配的准确率。实 验结果表明所提出的方法是有效的-Scale invariant feature transform(SI
PCA-SIFT
- 用pca-sift实现特征匹配，是sift算法的改进，可直接使用-Achieved with pca-sift feature matching is improved sift algorithm can be used directly
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
- 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