img1中的特征点个数：
img2中的特征点个数：
SIFT算法用时是：1秒
img1的特征描述矩阵大小[]特征向量个数： 特征向量的维数： 128
img2的特征描述矩阵大小[]特征向量个数： 特征向量的维数： 128
匹配的个数：
最大距离：
最小距离：
goodMatch个数：
匹配率：
2021-04-23 09:05:25
3KB
1
MATLAB源码，SIFT图像拼接特征点匹配 MATLAB源码，SIFT图像拼接特征点匹配 MATLAB源码，SIFT图像拼接特征点匹配 MATLAB源码，SIFT图像拼接特征点匹配
2021-04-22 18:06:08
430KB
1
matlab编码，在常用的特征匹配方法SIFT基础中剔除误匹配，利用vlfeat工具箱，可以较好的实现ransac计算单应矩阵达到误匹配剔除的效果，已进行测试
2021-04-21 22:58:15
2KB
1
SIFT 特征提取所需 下载的文件为vlfeat-0.9.20-bin.tar.gz，解压缩后，将vlfeat-0.9.20/bin/win64文件夹下的sift.exe和vl.dll拷贝到当前工作目录下。 https://blog.csdn.net/zhuxiaoyang2000/article/details/53930610 所需文件
2021-04-20 09:52:28
17.27MB
1
sift matlab源码和main函数，具体怎么用看博客https://blog.csdn.net/qq_38185927/article/details/107875947
2021-04-19 22:49:33
2.12MB
1
人耳识别技术是一种新的生物特征识别技术，由于人耳独特的生理特征结构和生理位置，以及其不受外界环境（刺激）和内心活动对生物特征体影响的特点，逐渐引起同领域研究人员的广泛关注。本文主要从人耳图像的特征提取技术方面进行探索与研究。
人耳图像的特征提取是整个识别过程的核心环节。本文的工作主要是围绕如何提取人耳的局部特征和几何特征及如何将这些特征应用于人耳识别等问题展开的，主要工作有：
1)针对人耳图像存在大量相似纹理，直接应用SIFT描述子进行特征点匹配会产生大量误匹配的情况，提出了利用基于全局上下文信息的SIFT描述子进行图像匹配的方法。结合全局上下文信息的SIFT描述子不仅保持了SIFT描述子对图
2021-04-19 14:02:58
8.21MB
1
对于边界显著的图像，用二值图像代替灰度图像进行SIFT特征匹配，节约了运行时间。同时在SIFT算法中用128维的特征描述子进行特征描述影响了算法的实时性，用欧氏距离进行匹配对算法的准确性有一定的影响。提出了一种改进SIFT算法，用64维的特征描述子以及加权的欧式距离进行匹配。实验结果表明，所提出的改进方法在提高准确率的同时还减少了运行时间。
2021-04-19 09:46:01
232KB
1