搜索资源列表
PCA-SIFT
- 结合PCA的尺度不变特征变换(SIFT)算法源代码，可用于图像目标检测和识别。-combine PCA scale-invariant feature transformation (metabolism) algorithm source code, images can be used to target detection and identification.
Match
- 图像匹配程序，实现ICA、PCA、SIFT多种算法的匹配，并进行比较-Image matching process, to achieve ICA, PCA, SIFT matching a variety of algorithms, and compare
SIFTSURF
- SIFT算法、SURF算法和PCA—SIFT算法的实例，里面要安装OPENCV才能用的-SIFT algorithm, SURF algorithm and PCA-SIFT algorithm instance, which can be used to install OPENCV
pca-sift
- sift code,希望对大家有用-sift code............................
SURF-V1.0.9
- 一种特征描述算子，功能和sift类似，但比sift速度更快，有重要的研究价值-A characterization of operators, functions and sift similar, but faster than sift, has important research value
imagefusion
- 图像融合算法，高通滤波法、IHS法、PCA主成分分析、小波融合、小波和IHS结合的融合方法-Image fusion algorithms, high-pass filtering, IHS method, PCA principal component analysis, wavelet fusion, wavelet and IHS fusion method combining
PCA-SIFT
- 共享主成份尺度不变变换PCA-SIFT代码，用于SAR图像配准，希望对各位雷达爱好者和SAR工作者有用！-Principle component analysis, PCA- Scale invariant feature transform-SIFT used for SAR processing.
pca-sift
- Using C + + language of the PCA-SIFT algorithm, can be used for visual odometer feature extraction and matching results with good match
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
PCA-SIFT-
- 这是一篇改进的基于PCA—SIFT算法文章，文章详细介绍了算法原理及应用，对图像图形处理专业人员的重要参考价值！-This is an improvement based on PCA-SIFT algorithm article, the article details the algorithm and application of important reference value, image graphics professionals!
A Comparison of SIFT, PCA-SIFT and SURF
- 包含了几种介绍sift改进算法的论文，对于了解最新的sift算法的发展非常有帮助。(Contains several papers introduced sift improved algorithm, for understanding the latest development of the SIFT algorithm is very helpful.)
C++PCASift
- 主成分分析，提取图像中的SIFT特征点，用于图像识别和分类(Principal component analysis (PCA), extracting SIFT feature points in images for image recognition and classification)