基于surf特征提取的图像配准和拼接算法的MATLAB仿真 运行注意事项：使用matlab2021a或者更高版本测试，运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

1.基于 NumPy 完全在 Python 中实现的 SIFT（David G. Lowe 尺度不变特征变换）算法。 2.此实现基于 OpenCV 并返回 OpenCV KeyPoint 对象和描述符，因此可以用作 OpenCV SIFT 的直接替代品。 3.旨在帮助计算机视觉爱好者了解 SIFT 背后的细节。

语音识别特征提取算法的研究及实现.doc

纹理提取，包括基于GLCM的纹理特征提取算法

1.标准化gamma空间和颜色空间 为了减少光照因素的影响，首先需要将整个图像进行规范化。在图像的纹理强度中，局部的表层曝光贡献的比重较大，所以，这种压缩处理能够有效地降低图像局部的阴影和光照变化。因为颜色信息作用不大，通常先转化为灰度图 Gamma压缩公式： 比如可以取Gamma=1/2

神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术。在进行图像识别之前需要利用数字图像处理技术进行图像预处理以及特征提取。本文选取字符图像0~9作为识别目标，对图像预处理过程进行了叙述，并在此基础上选取字符图像矩阵每行的与每列的黑色像素点之和以及图像欧拉数这两个特征作为BP神经网络的输入样本。经实验仿真表明图像的平均识别率为89%，这表明图像预处理的结果和提取的特征是合适的、有效的，设计的BP网络也较好的完成了模式分类识别工作。

为实现面向大规模服装图像集的图像快速精准检索，突破当前常规检索方法的局限性，本文提出了一个新的深度学习模型：Fashion-16服装图像检索模型.采用先分类再类内检索的思想，基于VGG-16模型强大的图像特征提取能力，以卷积神经网络softmax分类器进行分类，对同一类别下采用局部敏感哈希的思想进行近似最近邻的查找，实现了针对服装类别属性的图像检索模型修正.实验结果表明，模型具有良好的稳定性、精确率及检索速度，有其实用价值与研究意义.

大数据-算法-高速加速运动目标检测及雷达目标微动特征提取算法研究.pdf

人工智能-机器学习-方音的特征提取比较与计算机处理.pdf

人脸图像特征提取matlab代码用于图像分类的计算机视觉特征提取工具箱 该工具箱的目的是简化与图像分类相关的任务的常用计算机视觉功能（如HOG，SIFT，GIST和Color）的特征提取过程。 包含的功能的详细信息在中提供。 除了提供一些受欢迎的功能外，该工具箱还设计用于与不断增长的现代数据集一起使用-处理是分批完成的，并在一台机器上完全并行化（使用parfor），并且可以轻松地分配跨具有通用文件系统的多台计算机（许多大学中的标准群集设置）。 使用局限性线性编码对以单词袋方式提取的特征（“颜色”，“ hog2x2”，“ hog3x3”，“ sift”，“ ssim”）进行编码，以允许快速使用线性分类器培训+测试。 以我的经验，我发现“ hog2x2”或“ hog3x3”作为全局图像功能最为有效，并且与包含互补信息的“颜色”功能结合使用时，往往会表现得更好。 该工具箱可在Matlab和Octave上使用。 八度可能仍然存在一些兼容性问题，并且不支持并行处理。 安装 在使用代码之前，您需要下载此存储库并编译mex代码： $ git clone http://github.com/adikh