搜索资源列表
-
0下载：
本文运用尺度空间理论检测人体，通过集成
面向梯度与histogramof尺度空间理论
-Human detection is the task of finding presence and position
of human beings in images. In this paper, we apply
scale space theory to detecting human in still images. By integrating
scale space
-
-
0下载：
计算汉明距离的说明文件，计算二进制特征描述子时需要。-Calculate the Hamming distance file, it can be used to match the binary feature descr iptor .
-
-
0下载：
大牛 E Tola的daisy特征描述子 比sift稠密 是稠密匹配经典之作 速度很快-Daniel E Tola s daisy feature descr iptor dense is dense than sift matching classic fast
-
-
0下载：
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
-
-
0下载：
efficient LBP Local binary patterns (LBP) is a type of feature used for classification in computer vision. LBP is the particular case of the Texture Spectrum model proposed in 1990.[1][2] LBP was first described in 1994.[3][4] It has since been found
-
-
0下载：
是用于图像处理领域的一种描述子。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。-Is a descr iptor for image processing. This descr iption is scale invariant, can detect the key points in the images, is a local feature descr iptor
-
-
0下载：
Image descr iptor and feature extraction
-
-
0下载：
feature, image descr iptor
-
-
0下载：
SURF意指 加速的具有鲁棒性的特征，由Bay在2006年首次提出，这项技术可以应用于计算机视觉的物体识别以及3D重构中。SURF算子由SIFT算子改进而来，一般来说，标准的SURF算子比SIFT算子快好几倍，并且在多幅图片下具有更好的鲁棒性。SURF最大的特征在于采用了harr特征以及积分图像integral image的概念，这大大加快了程序的运行时间。-SURF (Speeded Up Robust Feature) is a robust local feature detector,
-
-
0下载：
SIFT是由UBC（university of British Column）的教授David Lowe 于1999年提出， 并在2004年得以完善的一种检测图像关键点（key points , 或者称为图像的interest points(兴趣点) )， 并对关键点提取其局部尺度不变特征的描绘子， 采用这个描绘子进行用于对两幅相关的图像进行匹配（matching）。 目前， SIFT可以说是所有图像局部特征描述特征子 中最火的一个了。-SIFT was developed by David L
-
-
1下载：
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
-
