搜索资源列表
BaseAutopanoramareserch
- 别对两幅图像提取广义特征点后， 利用基于根均方误差和交叉相关的两级匹配算法完成同名控制点的建立。并以局部加权直线拟合方法来校正图像 的几何畸变。最后建立两幅图像之间的函数映射关系，完成图像的配准。实验结果证明了该方法的有效性。-Do the two images extracted generalized characteristic point, the root mean square error-based and cross-correlation of the two cont
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
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-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
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
Image-Stitching
- 基于SIFT特征的全景图像拼接 主要分为以下几个步骤： (1) 读入两张图片并分别提取SIFT特征 (2) 利用k-d tree和BBF算法进行特征匹配查找 (3) 利用RANSAC算法筛选匹配点并计算变换矩阵 (3) 图像融合 -Image Stitching