搜索资源列表
Implementation-of-SIFT-detection
- 摘要：针对SIFT 特征提取的硬件实现结构复杂、难以达到实时性的问题，提出一种改进的高斯金字塔构建方法，该方法从 构建高斯金字塔的原始意义出发，大幅减少了所需的运算时间和存储单元。同时提出并验证了合适的SIFT 参数配置，以及 具体的硬件优化和并行实现方案，使整个系统可以在一片单独的FPGA 芯片上实现。该系统读入串行像素数据流，输出关键 点的特征描述符，并采用256×256 的图像对其进行了仿真验证，结果表明完全达到了实时的效果。 关键词：特征点 实时 尺度不变特征变换 现场可
feature-extract
- 几个大牛对集成了国内外特征提取最前沿的算法，特征提取，DOG,HARRIS,HARRIS-LAPLACE,HARRIS-AFFINE,MSER.描述符，SIFT,AFFINE-SIFT,GLOH.经测试，速度快，描述符准确。-Integration of feature extraction algorithms from several expert of domestic and international, feature extraction： DOG, HARRIS, HARRIS-L
SIFT
- Distinctive Image Features from Scale-Invariant Keypoints David G. Lowe 这是一个很好的图象匹配算法（SIFT），同时能处理亮度、平移、旋转、尺度的变化，利用特征点来提取特征描述符，最后在特征描述符之间寻找匹配。 -Distinctive Image Features from Scale-Invariant Keypoints David G. Lowe 这是一个
jiyuSIFTtezhengpipeidejiankongtuxiangzidongpinjie.
- 针对不同摄像头的监控图像 ,提出了一种优化的 SIFT特征匹配的监控图像自动拼接方法。在图像整合方面 ,通过高速提取 SIFT特征描述符并进行稳定精确匹配 ,利用改进 RANS AC算法去除错配 ,从而确定待拼接图像 之间的变换参数 在图像融合方面 ,有效消除了颜色和光照差异 ,最终实现自动的无缝拼接系统。实验结果证明该方法对重叠区域小、 形变大、 有运动遮挡和噪声的监控图像有较完美的拼接效果。-Monitoring for different camera images, a SIFT f
gaijinSIFTtezhengzaituxiangpipeizhongdeyingyong.ra
- 对 SIFT算法进行研究, 针对 SIFT特征描述符的高维数和高复杂度问题, 进行了改进。通过对大量的不同类型的图像进行特征匹配实验, 实验结果表明, 当图像存在不同程度的几何变形、 辐射畸变和噪声影响时, 改进后的算法更稳定、 更快速。-Study of the SIFT algorithm, SIFT feature descr iptor for the high dimension and highly complex issues, has been improved. Through
extract_features2.tar
- 各种图像描述符算法,图像特征提取用的是SIFT特征检测子-computes steerable filters, SIFT descr iptor, moments, differential invariants, complex filters, shape context, spin images, PCA-SIFT.
DIF-from-SIFTKeypoints
- SIFT 特征描述符 尺度空间 高斯差分 关键点 图像压缩-Distinctive Image Features from Scale-Invariant Keypoints
fast+sift
- 用FAST算法检测角点，用SIFT特征描述符描述角点(FAST algorithm is used to detect corner points and SIFT feature descr iptors are used to describe corner points)
siftDemoV4
- SIFT算法实现特征点匹配，首先检测特征点，然后形成描述符，将描述符进行比对，匹配对应的特征点。(SIFT algorithm achieves feature point matching. Firstly, the feature points are detected, then the descr iptors are formed, and the descr iptors are compared to match the corresponding feature points.)