当前位置：
首页 资源下载
搜索资源 - rotation invariant matlab
搜索资源列表
-
1下载：
在Matlab中实现基于旋转尺度不变特征提取特征点的方法。,Matlab implementation of the rotation based on scale-invariant feature extraction method of feature points.
-
-
3下载：
SIFT和旋转不变LBP 相结合的图像匹配算法(数字图像处理/图像匹配）-SIFT and LBP combined rotation invariant image matching algorithm (digital image processing/image matching)
-
-
2下载：
利用LBP纹理模型进行纹理分类，其论文<..Rotation Invariant Texture Classification using LBP Variance (LBPV) with Global Matching>发表在2009年Pattern Recognition，效果很不错。-Texture classification by LBP texture model. The related paper <..Rotation Invariant Texture Cl
-
-
0下载：
实现纹理模式的LBP特征表示及分类。
实现一种基于局部二值模式LBP（Local Binary Pattern）的多分辨率灰度尺度及旋转不变性的纹理分类方法-LBP texture model to achieve that as well as the breakdown characteristics. The realization of a model based on local binary LBP (Local Binary Pattern) Multiresolution g
-
-
0下载：
ShapeContext的著名demo
结合介绍对shapecontext有较好的理解-Demo for shape context, a famous descr iptor for keypoints matching, which has rotation and scale invariant.
-
-
0下载：
A new approach for fingerprint verification, based on wavelets and pseudo Zernike moments (PZMs), is
discussed. PZMs are robust to noisy images, invariant to rotation and have a good image reconstruction
capability [4]. PZMs have been used for
-
-
0下载：
旋转不变非刚性的图像匹配 。代码为matlab源码，代码注释详细，可以通过代码上的链接找到原始文献，以作详细学习-Rotation-invariant non-rigid image matching. Matlab source code, code comments in detail, you can find links to the original code on the literature, for detailed study
-
-
0下载：
Matlab implementation of rotation invariant Local Phase Quantization (LPQ)
-
-
0下载：
1 SIFT 发展历程
SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。
2 SIFT 主要思想
SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。
3 SIFT算法的主要特点：
a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。
b) 独特性(Distinctive
-
-
0下载：
參考文獻「Rotation invariant non-rigid shape matching in cluttered scenes」and matlab code.
使用Dynamic Programming Shape Context.-「Rotation invariant non-rigid shape matching in cluttered scenes」and matlab code.
Using Dynamic Programming Shape Context.
-
-
1下载：
SIFT算法大致有四个步骤：
1，尺度空间极值检测。在尺度空间通过高斯微分函数来检测潜在的对于尺度和旋转不变的兴趣点。
2，关键点定位。在兴趣点位置上，确定关键点的位置和尺度。
3，方向确定。基于图像局部的梯度方向，给每个关键点分配方向。
4，关键点描述。在每个关键点的领域内测量图像局部的梯度。最终用一个特征向量来表达。
-SIFT算法大致有四个步骤：
SIFT algorithm has four steps:
1，尺度空间极值检测。在尺度空间
-
-
0下载：
尺度不变特征转换算法（sift）在空间尺度中寻找极值点，具有位置、尺度、旋转不变性，可正常运行-Scale Invariant Feature Transform algorithm (sift) looking at the spatial scale of the extreme points, with the position, scale and rotation invariance, the normal operation
-
-
2下载：
matlab的lbp代码。有均匀模式、旋转不变模式、旋转不变等价模式等。-matlab code for lbp with uniform LBP/rotation-invariant LBP
-
-
0下载：
仿射不变Harris, Laplacian, det(Hessian) and Ridge 特征点检测
参考文献：An affine invariant interest point detector , K.Mikolajczyk and C.Schmid, ECCV 02, pp.I:128-142.-Matlab code for detecting Affine spatial interest points. Includes Harris, Laplacian, det(Hess
-
-
0下载：
SIFT特征具有缩放、旋转特征不变性，下载了大牛的matlab版SIFT特征提取代码，解释如下：appendimages-Matlab version on SIFT SIFT features with zoom, rotation invariant features, download large cattle extraction code, interpreted as follows: appendimages
-
-
1下载：
基于均匀线阵与圆阵的旋转不变算法的Matlab实现、性能分析和比较-Matlab implementation, performance analysis and comparison of the rotation invariant algorithm based on uniform linear array and circular array
-
-
0下载：
LBP（局部二值模式）是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietik?inen, 和D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征；(Local Binary Pattern describe the image local texture, invariant with the change of rotation and gray)
-
-
0下载：
LBP算子 含有 1- 归一化LBP码 2-旋转不变LBP码 3-归一化旋转不变LBP码(LBP operator contains 1- normalized LBP code 2- rotation invariant LBP code 3- normalized rotation invariant LBP code)
-
-
1下载：
SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、也保持一定程度的稳定性.本程序采用MATLAB和c语言联合编程。(SIFT feature is a local feature of the image. It keeps invariant to rotation, scale scaling and luminance change, and also keeps a certain degree of stability to the chang
-
-
2下载：
文件夹包括：经典MUSIC算法、基于波束空间的MUSIC算法、Root-Music算法、前向平滑MUSIC算法、后向平滑MUSIC算法、双向平滑MUSIC算法、奇异值算法、线性预测算法及旋转不变子空间算法等，是学习空间谱估计的很好例程(Folders include: classical MUSIC algorithm, beamspace-based MUSIC algorithm, Root-Music algorithm, forward smoothing MUSIC algorithm
-
