主要研究了基于流形学习ISOP算法的语音特征提取。将流形学习ISOP算法应用到语音识别特征提取模块中。仿真实验结果表明，该算法与传统的特征提取算法MFCC、LPCC等相比，可以取得较高的识别率。

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：

matlab实现的颜色矩（颜色特征提取）

是这篇博客中的项目，http://blog.csdn.net/masibuaa/article/details/9246493?reload 他的是基于QT的项目，我转成了VC9的，可以使用opencv2.3和opencv2.4，其他版本没测试过，项目中已经有了opencv的配置文件，把OpenCv2.4.3 放入到D盘，将配置文件放到OpenCv的目录下即可，当然也可以自己配置。

线激光视觉传感的机器人三维焊缝导引与跟踪控制研究

自己整理的计算机视觉中常用的描述子介绍，包括SIFT、DAISY等等

fast-9特征点提取算法源代码:图像特征点提取算法，特征点多，而且准确

提取语音的GFCC特征，不需要搭建环境，可以直接运行，希望大家支持一下。如果下载后不可以使用，可以csdn联系我

为了解决视频烟雾检测中特征提取难度较大、复杂度较高的问题,提出一种基于潜在语义(Latent Semantic Analysis,LSA)特征和支持向量机(Support Vector Machine,SVM)的烟雾检测算法。该算法首先将烟雾图像库中的每幅图像进行有重叠分块,提取每个分块的小波纹理与HSV颜色特征;再对所有分块特征进行聚类,量化成"视觉字",并且根据每个"视觉字"在每幅烟雾图像中出现的频率,建立"词-文档"矩阵;然后,采用LSA的方法获得每幅烟雾图像的潜在语义特征;最后,结合SVM,实现视频烟雾检测。对比实验表明,该算法特征提取简便,可以更快检测烟雾的发生,提高了烟雾检测效率。

图像特征提取，提取的是方向纹理特征，代码对水平和垂直方向的纹理信息进行提取，效果很好