matlab图像融合源码
I'm
terribly
sorry,
there
are
errors
of
the
description
in
Section-III(B)
of
the
paper
“Remote
Sensing
Image
Registration
with
Modified
SIFT
and
Enhanced
Feature
Matching”.
We
have
uploaded
the
errors
in
document
named
《
revised
of
the
PSO-SIFT》.I'm
sorry
to
have
affected
your
reading.
我们已经出版的文章《Remote
Sensing
Image
Registration
with
Modified
SIFT
and
Enhanced
Feature
Matching》在第三部分（B）存在一些描述性错误，可能会给你的阅读带来麻烦，因此我们上传了出错的地方，并给出了正确的描述方法，文档名字为“revised
of
the
PSO-SIFT”。CSDN
博主对已经翻译了该论文：
Im
2021-11-01 16:33:05
6.24MB
1
前言
本文介绍的分类方式可能比较繁琐，因为它是采用华为云比赛的提交模式进行的。简洁的分类版本点击这里：
1.图像分类的更多tricks（注意力机制 keras，TensorFlow和pytorch 版本等）：
2.大家如果对目标检测比赛比较感兴趣的话，可以看一下我这篇对目标检测比赛tricks的详细介绍：
3.目标检测比赛笔记：
增添内容
已修改成本地可以运行。
修改方法：
1.save_model.py|train.py|eval.py|run.py|中moxing.framework.file函数全部换成os.path和shutil.copy函数。因为python里面暂时没有moxing框架。
2.注释掉run.py文件里面的下面几行代码：
# FLAGS.tmp = os.path.join(FLAGS.local_data_root, 'tmp/')
# print(FLAGS.t
2021-10-30 22:32:37
136KB
1
Kinect采集的点云存在点云数量大、点云位置有误差, 直接使用迭代最近点(ICP)算法对点云进行配准时效率低. 针对该问题, 提出一种基于特征点法向量夹角的改进点云配准算法. 首先使用体素栅格对Kinect采集的原始点云进行下采样, 精简点云数量, 并使用滤波器移除离群点. 然后使用SIFT算法提取目标点云与待配准点云公共部分的特征点, 通过计算特征点法向量之间的夹角调整点云位姿, 完成点云的初始配准. 最后使用ICP算法完成点云的精细配准. 实验结果表明, 该算法与传统ICP算法相比, 在保证点云配准精度的同时, 能够提高点云的配准效率, 具有较高的适用性和鲁棒性.
2021-10-30 19:29:49
1.08MB
1
TK（ Insight Segmentation and Registration Toolkit）是美国国家卫生院下属的国立医学图书馆开发的一款医学图像处理软件包，是一个开源的、跨平台的影像分析扩展软件工具。
2021-10-30 12:57:30
48.99MB
1
RegNet
介绍
在这项工作中，我们提出了一种通过学习方法来解决非刚性图像配准的方法，而不是通过对预定义的相异性度量进行迭代优化来解决。 我们设计了卷积神经网络（CNN）架构，与所有其他工作相反，该架构直接从一对输入图像中估计位移矢量场（DVF）。 提议的RegNet使用大量的人工生成的DVF进行了训练，没有明确定义相异性度量标准，并且以多种比例集成了图像内容，从而为网络配备了上下文信息。 在测试时，与当前的迭代方法相反，非刚性配准是一次完成的。
引文
[1] ， ， ， ， ， ， 和 ，2019年。。 arXiv预印本arXiv：1908.10235。
[2] ， ， ， ， IvanaIšgum和Marius Staring ，2017年9月。 使用多尺度3D卷积神经网络进行非刚性图像配准。 在医学图像计算和计算机辅助干预国际会议上（第232-239页）。 湛
2021-10-29 14:09:15
1.28MB
1