人工智能-搜索引擎

针对现有图像复制粘贴篡改检测算法计算复杂度过高的问题，提出了一种基于分组尺度不变特征变换的图像复制粘贴篡改快速检测算法。首先，利用简单线性迭代聚类将输入图像分割成非重叠且不规则的块；然后，根据图像块内结构张量属性将其分为平坦块、边缘块和角点块，提取图像块内的SIFT特征点作为块特征；最后，通过块特征的类间匹配定位篡改区域。所提算法通过图像块分类和类间匹配，在保证检测效果的同时，有效地降低了特征匹配定位篡改区域阶段的时间复杂度。实验结果表明，所提算法检测准确率为97.79%，召回率为90.34%， F值为93.59%；图像尺寸为1 024像素×768像素时算法时间复杂度为12.72 s，图像尺寸为3 000像素×2 000像素时算法时间复杂度为639.93 s。与已有的复制粘贴算法相比，所提算法能够快速精准地定位篡改区域，且具有较好的稳健性。

【车牌识别】基于模板匹配算法实现新能源车牌识别matlab源码

关于细节点匹配的一整套指纹识别源码，采用C++编写。

使用图像处理在 2 个不同图像之间进行直方图匹配。

基于结构特征的指纹细节点匹配算法，吕玉华，李丽娟，提出了一种新的指纹特征匹配方法。首先定位指纹图像的中心点，然后提取细节点，并计算其与中心点的角度差以及到中心点所穿越的脊

基于FPGA的指纹特征点集匹配的设计与实现，李大伟，蔡安妮，指纹特征点集匹配是指纹硬件粗匹配[1]中的一个重要步骤和环节，本文简要介绍了指纹特征点集匹配的基本原理，基于该原理提出了硬件

omp（正交匹配追踪算法、MATLAB编写）

matlab匹配滤波代码3D重构工具箱，用于通过多台摄像机跟踪行为 什么是pose3d？ pose3d是在Matlab（马萨诸塞州纳蒂克的MathWorks Inc.）中实现的，用于使用DeepLabCut（DLC）或任何其他跟踪软件对2D跟踪的特征进行3D重建。 它提供了一个半自动化的3D重建工作流程，可指导用户完成相机校准，不失真，三角剖分以及诸如滤波等处理后步骤的工作，以减少异常值。 除了提供易于使用的工作流程外，我们实施中的关键组件是“ n”相机三角剖分功能，该功能使用户可以使用自动选择标准或最佳选择，从每个功能和时间点的最佳相机对中选择2D跟踪数据。使用所有摄像机的数据进行3D重建。 目录 为什么要pose3d？ 对于在不同环境中的许多物种进行的行为研究，无标记跟踪是一项至关重要的实验要求。 最近开发的工具箱利用基于人工神经网络（ANN）的计算机视觉，为科学实验提供了精确的无标记跟踪功能。 为了跟踪复杂的行为，例如图1中所示的3D中与对象交互的抓取，必须开发具有多个摄像机的实验装置。 此类系统的开发可在很大程度上受益于强大且易于使用的相机校准和3D重建工具箱。 为此，我们在M

可运行的sift匹配代码，可以将两张图片相互匹配。