搜索资源列表
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
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
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.
SIFTpp
- 基于SIFT特征匹配的稳健图像拼接算法，可以参考一下-Robust image mosaic algorithm based on SIFT feature matching reference
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
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
SIFT_VS
- 用vc6.0实现的sift特征匹配，本人亲试了的，非常好用-Vc6.0 achieve with sift feature matching, I tried pro, very easy to use
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_MatlabPC
- 用matlab和vc6.0实现sift特征匹配，本人亲测，可用-Vc6.0 achieve with matlab and sift feature matching, I pro-test, available
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.
based-on
- 提出改进的ＳＩＦＴ算法，该算法可提高运算速度和匹配准确率，增强算法的鲁棒性。-Improved SIFT proposed algorithm can improve the computational speed and matching accuracy, enhance the robustness of the algorithm.
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
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
SIFT_Matlab_global-context
- SIFT特征检测算法改进，SIFT描述子加入全局向量，对局部信息相似度高的图像检测的误匹配剔除有明显改进-This paper presents a technique for combining global context with local SIFT information to produce a feature descr iptor that is robust to local appearance ambiguity and non-rigid transformation
iq245
- 结合PCA的尺度不变特征变换(SIFT)算法，正确率可以达到98％，粒子图像分割及匹配均为自行编制的子例程。- Combined with PCA scale invariant feature transform (SIFT) algorithm, Accuracy can reach 98 , Particle image segmentation and matching subroutines themselves are prepared.
sift的人脸识别
- sift 特征匹配实现 人脸识别 特征点 匹配()