1 前言在上一篇blog中，我们分析了CMT的整体算法流程及前面几步的实现分析，接下来我们继续分析后面的几步。2 Step 4，5，6 特征点匹配与数据融合这几步就是通过跟踪和特征匹配来获取这一帧的特征点，将两者融合在一起。上一篇文章分析了光流，这里再分析一下特征匹配。源代码如下： //Detect keypoints, compute descriptors 计算当前图像的关键点
v...
分类：
编程语言 时间：
2015-08-21 11:27:41
阅读次数：
309
SURF (Speed Up Robust Features)是SIFT改进版也是加速版，提高了检测特征点的速度，综合性能要优于SIFT。
下面先逐次介绍SURF的原理，最后解析opencv上SURF源码。
转载请注明出处：http://blog.csdn.net/luoshixian099/article/details/47778143
1.积分图像
SURF是对积分图像进行操作，从而...
分类：
其他好文 时间：
2015-08-20 15:21:45
阅读次数：
1544
继上一篇中已经介绍了SIFT原理与C源码剖析，最后得到了一系列特征点，每个特征点对应一个128维向量。假如现在有两副图片都已经提取到特征点，现在要做的就是匹配上相似的特征点。
相似性查询有两种基本方式：1.范围查询：即给点查询点和查询阈值，从数据集中找出所有与查询点距离小于阈值的点。
2.K近邻查询：给点查询点及正整数K,从数据集中找到与查询...
分类：
编程语言 时间：
2015-08-13 12:26:46
阅读次数：
620
转载请注明出处：
上一篇中已经介绍了SIFT原理点击打开链接，最后得到了一系列特征点，每个特征点对应一个128维向量。假如现在有两副图片都已经提取到特征点，现在要做的就是匹配上相似的特征点。
相似性查询有两种基本方式：1.范围查询：即给点查询点和查询阈值，从数据集中找出所有与查询点距离小于阈值的点。...
分类：
编程语言 时间：
2015-08-12 23:39:22
阅读次数：
568
本文重点将以Rob Hess等人用C实现的代码做解析，结合代码SIFT原理会更容易理解。一些难理解点的用了☆标注。 SIFT（Scale-invariant feature transform）即尺度不变特征转换，提取的局部特征点具有尺度不变性，且对于旋转，亮度，噪声等有很高的稳定性。本文将以下函数为参照顺序介绍SIFT特征点提取与描述方法。
1.图像预处理
2.构建高斯金字塔（不同尺度下的图像）
3.生成DOG尺度空间
4.关键点搜索与定位
5.计算特征点对应原图的位置
6.为特征点分配方向角...
分类：
其他好文 时间：
2015-08-09 18:55:21
阅读次数：
210
摘要
本文主要总结了进行目标跟踪、检测中经常使用到的图像相似度测量和模板匹配方法，并给出了具体的基于OpenCV的代码实现。
引言
模板匹配是一种在源图像中寻找与图像patch最相似的技术，常常用来进行目标的识别、跟踪与检测。其中最相似肯定是基于某种相似度准则来讲的，也就是需要进行相似度的测量。另外，寻找就需要在图像上进行逐行、逐列的patch窗口扫描，当然也不一定需要逐行逐列的扫描，当几个...
分类：
其他好文 时间：
2015-07-24 12:48:55
阅读次数：
18213
目前Android平台上进行人脸特征识别非常火爆，本人研究生期间一直从事人脸特征的处理，所以曾经用过一段ASM（主动形状模型）提取人脸基础特征点，所以这里采用JNI的方式将ASM在Android平台上进行了实现，同时在本应用实例中，给出了几个其他的图像处理的示例。由于ASM (主动形状模型，Active Shape Model)的核心算法比较复杂，所以这里不进行算法介绍，我之前写过一篇详细的算法介绍...
分类：
移动开发 时间：
2015-07-23 20:00:21
阅读次数：
267
BRIEF是对已检测到的特征点进行描述，它是一种二进制编码的描述子，摈弃了利用区域灰度直方图描述特征点的传统方法，大大的加快了特征描述符建立的速度，同时也极大的降低了特征匹配的时间，是一种非常快速，很有潜力的算法。...
分类：
编程语言 时间：
2015-07-16 17:02:46
阅读次数：
6245
Java 使用opencv中的sift进行计算。
/**
* 传入一张图片得到sift特征点
* @param mat
* @return
*/
public MatOfKeyPoint getFeaturePoints(Mat mat){
FeatureDetector fd = FeatureDetector.create(FeatureDetector.SIFT);...
分类：
编程语言 时间：
2015-07-15 17:07:33
阅读次数：
422
计算机视觉进展二十年 (1995~2015)计算机视觉的两大主要板块是：几何和识别，这里我们主要来讲述计算机视觉在1995～2015年间的进展。1. 影像特征点检测算子(detector)和描述算子(descriptor) SIFT的诞生 (1999, 2004)Scale invariant fe...
分类：
其他好文 时间：
2015-06-23 21:30:44
阅读次数：
100
