注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于边缘区域不变矩的缺损扩展目标识别方法

  2. 　该方法提出以基于边缘区域的局部不变矩作为识别特征，结合多神经网络实现对缺损扩展目标 的有效识别。讨论了离散情况下基于边缘区域局部不变矩的平移、旋转和尺度不变性。在此基础上，建立目标 多个处理区域的ＢＰ人工神经网络，利用各网络分类综合结果提高缺损目标的识别率。实验结果显示该方法 能够对缺损扩展目标进行正确识别，特别对于有较大部分缺损的扩展目标识别有明显优势。

  3. 所属分类：网络基础

    • 发布日期：2009-06-30
    • 文件大小：932kb
    • 提供者：sunny_frank

  1. phog 特征描述器

  2. HOG descr iptors 是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值。这种方法跟边缘方向直方图（edge orientation histograms）、尺度不变特征变换（scale-invariant feature transform descr iptors） 以及形状上下文方法（ shape contexts）有很多相似之处，但与它们的不同点是：HOG描述器是在一个网格密集的大小统一的细胞单元（dense gri

  3. 所属分类：其它

    • 发布日期：2011-01-29
    • 文件大小：53kb
    • 提供者：sixblack

  1. 尺度不变特征变换匹配算法SIFT详解

  2. 尺度不变特征变换匹配算法SIFT 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。 独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。 经过优化的SIFT算法可满足一定的速度需求。 可扩展性，可以很方便的与其他形式的特征向量进行联合。

  3. 所属分类：专业指导

    • 发布日期：2011-09-12
    • 文件大小：5mb
    • 提供者：zxc0317

  1. SIFT 实现程序

  2. SIFT 实现程序，可以帮助你，更好的解局部特征提取，有需要就下吧！

  3. 所属分类：专业指导

    • 发布日期：2011-12-15
    • 文件大小：21kb
    • 提供者：peter860928

  1. 基于局部尺度不变特征的目标识别（论文翻译）

  2. 本文档是号称尺度不变特征父亲的David Lowe于1999年发表的经典论文的翻译，参考了很多版本后自己整合的，希望对大家有帮助！

  3. 所属分类：专业指导

    • 发布日期：2012-03-12
    • 文件大小：809kb
    • 提供者：zwnzfylucej

  1. 图像局部不变性特征与描述

  2. 《图像局部不变性特征与描述》是按照概念-理论-方法-实例思路来依次组织的。第1章介绍有关局部不变性的历史沿革和基本概念，第2章介绍有关局部不变性的尺度空间理论基础，第3章至第7章详细给出了局部不变性特征的实现方法，第8章评价了各种局部不变性方法并给出了若干应庸实例。

  3. 所属分类：图像处理

    • 发布日期：2017-09-17
    • 文件大小：28mb
    • 提供者：hzsfxygytlfj

  1. matlab开发-ObjectMatching

  2. matlab开发-ObjectMatching。一种基于Lowe，D.G.的基于局部尺度不变特征的目标匹配方法

  3. 所属分类：其它

  1. python利用opencv实现SIFT特征提取与匹配

  2. 本文实例为大家分享了利用opencv实现SIFT特征提取与匹配的具体代码，供大家参考，具体内容如下 1、SIFT 1.1、sift的定义 SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。 1.2、sift算法介绍 SIFT由David Lowe在1999年提出，在2004年加以完善 。SIFT在数字图像的特征描述方面当之无愧可称之为最红

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：222kb
    • 提供者：weixin_38550812

  1. 基于逐步细化特征提取的医学图像弹性配准

  2. 针对基于特征点的弹性配准方法对局部存在较大尺度形变的医学图像配准精度较低的不足,提出一种从全局到局部逐步细化的特征提取弹性配准方法.该方法首先采用尺度不变特征变换算法(scale invariant feature transform,SIFT)对图像进行特征提取与匹配以完成初步配准.然后通过计算参考图像和初步配准图像中所有控制点的领域均方差(mean square difference,MSD)寻找存在较大尺度形变的局部区域,在这些区域使用互信息再次进行特征提取,并利用层次B样条插值实现图像的

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：73kb
    • 提供者：weixin_38648396

  1. 基于典型相关分析方法的尺度不变特征变换误匹配剔除

  2. 针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题,提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对;然后根据典型相关成分的线性关系拟合直线,利用点到直线的距离剔除大部分误匹配点对;对剩余的匹配点对,逐一分析其对典型相关成分的共线性的影响,剔除影响程度大的特征点对。实验结果表明,该方法能够在剔除误匹配的同时保留更多的正确匹配,提高了图像配准的精度。

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：648kb
    • 提供者：weixin_38734276

  1. SIFT特征降维方法及其在图像检索中的应用

  2. 目前的图像检索技术主要利用图像的颜色、纹理、形状等特征来进行，其检索速度和精确度还不能满足用户需求。采用基于尺度不变特征变换(SIFT)的图像检索，但由于特征点数及维数太大，给检索的实时性造成了影响。对SIFT算法利用局部保持投影(LPP)的方法进行降维，以减少特征点的个数,并利用增强型近似最近邻方法，在匹配时加入了二次判定机制，对可能匹配的点对进行握手确认，从而可以提高匹配的精确度。通过图像库中20幅图像的实验验证，证明了改进的SIFT算法在图像检索中的实时性及匹配率的提高，可以很好地应用在图

  3. 所属分类：其它

  1. 挖掘简洁而独特的仿射稳定特征以用于大型语料库中的对象检测

  2. 不变特征提取对于物体检测很重要。 仿射SIFT（ASIFT）[JM Morel和G. Yu，ASIFT：用于完全仿射不变图像比较的新框架，SIAM J. Imaging Sci。 [2（2）（2009）]已被证明是完全仿射不变的。 但是，内存和查询时间的高昂成本阻碍了其在大规模对象检测任务中的应用。 在本文中，我们提出了一种新颖的算法，用于挖掘简明和独特的不变特征，称为仿射稳定特征（ASC）。 引入了两个新概念，全局稳定性和局部稳定性，以从两个相互补充的方面来计算每个特征的鲁棒性。 此外，为了使

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：497kb
    • 提供者：weixin_38666785

  1. 基于特征融合与子空间学习的行人重识别算法

  2. 针对现存行人重识别算法不能较好地适应光照、姿态、遮挡等变化的问题, 提出一种基于特征融合与子空间学习的行人重识别算法。该算法对整幅行人图像提取方向梯度(HOG)直方图特征和HSV(Hue,Saturation,Value)直方图特征作为整体特征, 再在滑动窗口内提取色彩命名(CN)特征和两个尺度的尺度不变局部三元模式(SILTP)特征。为了使算法具有更好的尺度不变性, 对原图像进行两次下采样, 再对采样后的图像提取上述特征。提取特征后, 采用核函数分别将原始特征空间转换到非线性空间, 在非线性空

  3. 所属分类：其它

  1. 尺度不变特征与几何特征融合的人耳识别方法

  2. 要提高人耳的识别率,关键是特征的提取与表达。尺度不变特征变换(SIFT)技术是局部点特征提取算法,在尺度空间寻找极值点,提取对图像的尺度和旋转变化具有不变性,对光照变化和图像变形具有较强的适应性的特征向量。尝试用SIFT技术来提取外耳图像的结构特征点以形成稳定的特征描述子,为了克服一幅图像中有多个局部描述子相似的问题,在SIFT特征描述子中融入一个耳廓几何特征。最后采用特征向量的欧氏距离作为两幅图像相似性度量标准进行人耳识别。在耳图像库上进行实验,结果表明,该方法不仅可以有效地提取人耳特征,通过

  3. 所属分类：其它

  1. 基于快速视网膜关键点局部不变特征的激光主动成像目标识别

  2. 提出一种基于快速视网膜关键点(FREAK)局部不变特征的激光主动成像目标识别方法，在目标的矩、几何、轮廓等特征难以提取时仍然能够准确识别。提出差分加速分割检测特征(FAST-Difference)特征点检测方法，将加速分割检测特征(FAST)与高斯差分算子(DoG)相结合，快速提取出对于各种变换均具有稳健性的特征点；使用FREAK描述子生成特征向量，最后使用级联匹配方法完成特征向量的快速匹配。所提方法具有与人类视觉类似的特性：特征点检测阶段，FAST-Difference方法使用DoG进行多尺度

  3. 所属分类：其它

  1. 基于压缩感知与尺度不变特征变换的图像配准算法

  2. 尺度不变特征变换（SIFT）算法是图像配准中一种用来描述局部特征最稳健，使用最广泛的方法。针对存在关键点特征描述向量维数较高，算法计算复杂的问题，提出了一种基于稀疏随机投影(SRP)与SIFT相结合的图像配准算法，该算法把压缩感知理论的稀疏特征表示概念引入SIFT算法中，即SRP-SIFT，用稀疏特征表示方法对SIFT关键点特征向量进行提取，再使用相应的L1距离度量进行特征向量的匹配。对新算法和相关SIFT算法进行了图像配准实验，实验结果表明，SRP-SIFT算法对包含复杂结构内容的图像配准性能

  3. 所属分类：其它

  1. 轮廓特征包在激光主动照明识别系统中的应用

  2. 提出了一种结合轮廓转动惯量和特征包(BoF)算法的激光主动照明目标识别方法。介绍了转动惯量的定义，并提出了一种多尺度轮廓转动惯量特征区域检测方法和轮廓转动惯量局部不变特征提取方法。多尺度轮廓转动惯量特征区域检测方法能够提取出包含轮廓的最小特征区域，而轮廓转动惯量局部不变特征能够很好地描述轮廓的大小、位置、规则度等信息，对于各种图像变换具有不变性，并且计算效率较高。使用BoF算法统计图像的轮廓转动惯量局部不变特征，生成归一化特征直方图作为整幅图像的特征向量，输入训练好的支持向量机分类器进行识别。实

  3. 所属分类：其它

  1. 基于彩色二进制局部不变特征的图像配准

  2. 提出了一种适用于彩色图像的局部不变特征配准方法。特征点提取阶段，提出了快速分割测试特征颜色差异(CDoFAST)特征点检测方法，计算图像的颜色不变量，以此为输入在尺度空间检测FAST 极值点，在极值点附近对高斯差分算子(DoG)值进行插值和拟合，以最终确定特征点的位置和尺度。特征描述符生成阶段，提出了一种新的彩色二进制局部不变特征(CBLID)，采样点邻域结构类似于人眼视觉的重叠，通过统计方向图生成二进制链码，具备旋转、尺度缩放、光照不变性和抗噪性能。通过计算汉明距离进行匹配并结合随机抽样一致性

  3. 所属分类：其它

  1. 基于卷积神经网络的SIFT特征描述子降维方法

  2. 针对128维尺度不变特征变换(SIFT)特征描述子进行图像局部特征点提取时匹配时间过长,以及三维重建进行特征点配准时的应用局限性,结合深度学习方法,提出一种基于卷积神经网络的SIFT特征描述子降维方法。该方法利用卷积神经网络强大的学习能力实现了SIFT特征描述子降维,同时保留了良好的仿射变换不变性。实验结果表明,经过训练的卷积神经网络将SIFT特征描述子降至32维时,新的特征描述子在旋转、尺度、视点以及光照等仿射变换下均具有良好的匹配效果,匹配效率比传统SIFT特征描述子效率提高了5倍。

  3. 所属分类：其它

  1. 基于局部特征的多目标图像分割算法

  2. 近年来, 智能机器人技术逐步成熟, 以目标识别为代表的机器视觉技术是其核心。现有目标识别算法通常先根据颜色信息分割场景, 再提取特征以识别目标。但对于颜色信息比较复杂的场景, 往往存在过分割现象, 影响后续目标识别。针对这一问题, 提出一种基于局部特征的多目标图像分割算法。该算法使用双目摄像头采集场景图像, 对场景图像进行预处理, 同时通过立体匹配得到场景的深度信息；结合深度信息确定目标区域；设计动态阈值的尺度不变特征变换(SIFT)算法以提取目标区域的局部特征, 将局部特征转化为特征约束；基于

  3. 所属分类：其它

« 12 3 »