SIFT(Scale-Invariant Feature Transform，尺度不变特征转换)在目标识别、图像配准领域具有广泛的应用，下面按照SIFT特征的算法流程对其进行简要介绍对SIFT特征做简要介绍。 高斯金字塔是SIFT特征提取的第一步，之后特征空间中极值点的确定，都是基于高斯金字塔，因此 ...
分类：
其他好文 时间：
2016-08-04 01:24:16
阅读次数：
403
原文链接：http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html 主要步骤 1)、尺度空间的生成； 2)、检测尺度空间极值点； 3)、精确定位极值点； 4)、为每个关键点指定方向参数； 5)、关键点描述子的生成。 L(x,y... ...
分类：
编程语言 时间：
2016-07-13 13:55:11
阅读次数：
245
恢复内容开始 人脸识别中最核心的部分就是特征表示，人脸识别的发展史更多是人脸特征的发展。 优秀的人脸特征必须满足以下条件： 人脸特征分类： 像素灰度值特征：最简单的人脸特征，包含全部人脸信息。 有监督特征：Haar, LBP, SIFT, HOG, Gabor, TPLBP, FPLBP ... 无 ...
分类：
其他好文 时间：
2016-07-08 23:02:56
阅读次数：
402
本文为本人入门学习所用，由参考多方资料整理而成，完成后将加上参考文献
SIFT简介及相关特点
SIFT全称：尺度不变特征转换(Scale-invariant feature transform)
是一种用来侦测与描述影像中的局部性特征的算法：它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由David Lowe在1999年所发表，2004年完善总结。
SIFT算法...
分类：
编程语言 时间：
2016-06-21 08:05:26
阅读次数：
597
SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果。
基本的路线：
1. 尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分...
分类：
编程语言 时间：
2016-06-21 08:00:23
阅读次数：
554
from： http://www.xuebuyuan.com/582331.html 简单的通过特征点分类的方法： 一、train 1.提取+/- sample的feature，每幅图提取出的sift特征个数不定（假设每个feature有128维） 2.利用聚类方法（e.g K-means）将不定数 ...
分类：
其他好文 时间：
2016-06-14 10:15:53
阅读次数：
324
SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和 orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果 ...
分类：
其他好文 时间：
2016-06-11 21:23:00
阅读次数：
288
2D feature extracted, satisfy: 1. scale invarient; 2. rotation invarient. Naive Thinking: Minimal point or Maximum Point, Local; Now you are given a g ...
分类：
其他好文 时间：
2016-06-06 22:08:48
阅读次数：
202
在看图像处理的时候,不由奇怪,为什么在图像处理上,那么多论文,都在走机器学习的节奏.特征提取基本是SIFT,surf之后,就开始分类SVM了. 不由得感叹,在了解信号处理的一些知识后,为什么看不到更多新的内容.而是都在往机器学习的方向在走.为这个苦恼了几天. 今天无意中看到知乎的这个问答.不由得感叹 ...
分类：
其他好文 时间：
2016-06-05 11:13:44
阅读次数：
1207
1. 安装sublime： http://www.sublimetext.com/3 2. 安装Package Control： ctrl+`或者 View > Show Console 输入： 回车运行。 3. 汉化： 按住ctrl+sift+p，输入"install package"（第一次运行 ...
分类：
其他好文 时间：
2016-06-01 13:09:41
阅读次数：
198
