搜索资源列表
sift4
- :提出一种基于尺度不变特征变换(SIFT)特征匹配的目标跟踪方法.首先使用SIFT提取目标特征,构 建目标特征库,然后使用基于K维树的特征匹配算法,对实时序列图像提取的SIFT特征与特征库中目标进行精确匹配 -: Based on Scale Invariant Feature Transform (SIFT) feature matching target tracking. The first to use SIFT target feature extraction, featur
ImageRetrieval
- 毕业设计，基于内容的图像检索，支持的检索特征包括 sift,颜色直方图，灰度矩阵，HU不变矩，边缘方向直方图，检索方法使用K-means和K-D树两种，需要OPENCV支持，运行时请先选定一个文件夹来生成特征库，特征库用access数据库保存，只支持JPG文件-Graduate design, content-based image retrieval, search features, including support sift, color histogram, gray matrix,
sift_feature-extract-and-match
- 使用sift算法，找出图像的关键点，使用关键点作为匹配因子对两幅图像进行匹配，数据库中包含了丰富的可用图片库。-Use sift algorithm to find the image of the key points, key points to use as matching factor of two images match, the database contains a wealth of available gallery.
SIFTflow
- SIFT keypoints of objects are first extracted from a set of reference images[4] and stored in a database. An object is recognized in a new image by individually comparing each feature from the new image to this database and finding candidate matching
sift
- 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
SIFT
- SIFT(Scale Invariant Feature Transform)即尺度不变特征变换，是 D. G.Lowe 在 1999 年提出的一种基于图像局部特征的描述算子，并于 2004年做了完善。SIFT算法是一种基于线性尺度空间，对图像缩放、旋转甚至仿射变换保持不变的局部特征描述算子，因此被广泛地应用于机器人定位、导航和地图生成中。-This paper presents a method for extracting distinctive invariant features fro
code
- 该文件是用于图像检索的demo，主要利用sift描述子提取特征进行匹配，在“Query by example” 数据库中运行效果良好。(The file is used for image retrieval demo, mainly using sift descr iptor to extract features and match it in the "Query by example" database.)