搜索资源列表
Iris-segmentation
- 一篇主要介绍使用变量水平集方法进行虹膜分割的文章，之后也有其相应的归一化算法介绍以及特征提取及少部分的虹膜匹配-Introduced a level set method using the variable iris segmentation article, and then there are the corresponding normalization algorithm descr iption and a small number of feature extraction and
deselaers-cvpr10
- 图像匹配知识介绍,基于特征点的匹配介绍，值得收藏-image match
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
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.
WaveletTransform
- 边缘是图像中最重要的信息，是模式识别、图像分 割以及场景分析的重要基础。边缘检测是图像处理领 域一项重要的技术和任务。图像中边缘通常解释为灰 度值有突然改变，像素梯度具有局部极大值。很多经 典的边缘检测算子如:Roberts, Sobel, Prewitt, Frei- Chen和Laplacian等，均以图像局部区域特征与特定 边缘模式匹配为基础，定义数个方向导数模板(一般为 窗口)，将图像与模板进行卷积运算实现边缘检测。它 们具有实现简单，速度快速，易于应用
waveletanalysis
- 边缘是图像中最重要的信息，是模式识别、图像分 割以及场景分析的重要基础。边缘检测是图像处理领 域一项重要的技术和任务。图像中边缘通常解释为灰 度值有突然改变，像素梯度具有局部极大值。很多经 典的边缘检测算子如:Roberts, Sobel, Prewitt, Frei- Chen和Laplacian等，均以图像局部区域特征与特定 边缘模式匹配为基础，定义数个方向导数模板(一般为 窗口)，将图像与模板进行卷积运算实现边缘检测。它 们具有实现简单，速度快速，易于应用
mutual-information
- 红外和可见光的匹配跟踪在军事、遥感等领域有着广泛的应用。针对灰度和图像特征存在比较大差异的红外和可见光图像，本文采用了最大互信息算法，结合形态学梯度和小波分解。互信息算法优点在于不需要对多模图像灰度间的关系做任何假设，不足之处在于它对图像空间信息的忽略而且计算时间较长。本文互信息结合多结构元的形态学梯度检测的图像边缘，可以使得图像匹配精度提高，还能改善局部极值的问题，再利用小波分解对图像进行压缩降低分辨率，可以减少互信息计算量。最后的实验数据表明在配准过程中互信息的计算速度得到了优化，匹配精度得
Video-Surveillance
- 文章通过设计战场电视侦察系统的智能视频处理模块，提高了战场电视侦察系统的工作效率和智能化水平。首先 分析对重要军事目标进行监控的特点，归纳运动目标的特征，根据特征建立正常模型；然后运用中值滤波对监控视频进行 预处理，再采用基于高斯混合模型的背景减除法提取运动目标，通过特征提取确定运动目标的属性，与正常模型进行匹配 处理后，得出运动目标是否异常；最后达成敌重要目标有异常出现时自动告警的目的-Abstract：This article designs the intelligent vi
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
Documento_completo
- 人眼识别英文版，基于梯度特征提取，模板匹配实现人眼识别-eye detection
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
Tempj
- 基于几何特征的快速模板匹配算法，论文；基于几何特征的快速模板匹配算法-Fast Template Matching Based on Geometric Features，Fast Template Matching Based on Geometric Features，
sift_programm
- SIFT匹配算法，实现多个匹配特征。匹配效果较好。-Based on matlab programm,sift come true to match.
suanfa
- 基于双向匹配法和特征选择算法的中文分词技术研究-Words in technology selection algorithm based on two-way matching and feature Chinese sub
Image-Super-Resolution-Algorithms
- 前基于图像块稀疏表示的超分辨率重构算法对所有图像块都用同一字典表示，不能反映不同类型图 像块问的筹别．针对这一缺点，本文提出基于图像块分类稀疏表示的方法．该方法先利用图像局部特征将图像块分为 平滑、边缘和不规则结构三种类型，其中边缘块细分为多个方向．然后利用稀疏表示方法对边缘和不规则结构块分别 训练各自对应的低分辨率和-岛分辨率字典．重构时对平滑块利用简单双三次插值方法，边缘和不规则结构块由其对应 的高、低分辨率字典通过正交匹配追踪箅法重构．实验结果表明，与单字典稀疏表示算法相比
ASM-2.2.1
- 对模型特征点周围的纹理信息进行采样，对比图像和模型训练集的纹理，找到纹理最接近的点即认为是特征点。作者这里比较纹理的工具是马氏距离。为了提高搜索的效率，作者还提到了多分辨率搜索周围像素纹理，对于粗糙的尺度，搜索范围大，对于细致的尺度，进行细致的搜索，提高了匹配的效率。-The texture information model feature points around the sampling, texture contrast image and model train sets, find
fast-template-matching
- 本文提出一种基于图像边缘几何特征的快速模板匹配算法。算法利用边缘 点的位置和梯度方向作为匹配信息进行相似度计算。可以很好的避免因图像明 暗变化、光照不均匀、旋转所带来的影响，且对于部分遮挡的情况，亦可以得 到良好的匹配结果。为了得到边缘点坐标和梯度方向，本文根据曲面拟合原理， 通过平移变换，推导出精确梯度方向和亚像素边缘坐标的快速算法。既加快了 算法的处理速度，也是匹配算法高精度的前提保证。为了使匹配算法满足实时 性要求，主要采用阈值判断和图像金字塔算法的搜索策略。在阈值
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_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