图像特征提取算法总汇，介绍各种图像特征提取的方法，用于进行图像匹配。当然只是抛砖引玉啦，简单介绍而已。但方法很全，适合初学者了解整个图像匹配的理论框架。

最大余量数据移位的非线性特征提取

Slicer是一款常用于MR等临床数据分析的工具，可以在内部配置python程序，如常用于放射组学提取特征的pyradiomics。

CNN_classification_feature_extraction 该存储库是pytorch中用于分类和特征提取的CNN的实现。 Pytorch预训练的模型已被用于其解释。 该代码支持数据并行性和多GPU，提早停止和类权重。 此外，您可以选择加载预训练的权重（在ImageNet数据集上进行训练）或使用随机权重从头开始训练。 预训练的模型结构在最后一层有1000个节点。 此代码将所有模型的最后一层修改为可与每个数据集兼容。 可以使用以下模型： 'resnet18', 'resnet34', 'resnet50', 'resnet101', 'resnet152', 'resnext50_32x4d', 'resnext101_32x8d', 'wide_resnet50_2', 'wide_resnet101_2', 'vgg11', 'vgg11_bn', 'vgg13'

铜浮选泡沫图像局部谱特征提取的新方法

基于稀疏成分分析的欠定盲源分离技术在风力发电机齿轮箱轴承故障特征提取中的应用

基于SMF-WPR-KPCA算法的轴承特征提取

在matlab环境下，用sift算法实现对图像进行特征提取

提出一种融合多种特征的图像过曝光区域检测算法。利用转换的亮度特征和颜色特征，并新引入亮颜特征和边界邻域特征来构成特征向量，用L2正则化逻辑非线性回归方法。对实验图像进行过曝光区域检测，结果显着示，相较于亮度阈值法和采用亮度和​​颜色特征的常规检测方法，约会新特征后的改进算法检测出的过照射范围区域连通性更好。

小型基站的密集化和用户活动的多样性都给当今的异构网络带来了巨大的挑战，无论是基站的沉重负担还是严重的能源浪费。 为了确保网络覆盖并减少总能耗，我们采用了绿色移动网络物理系统（MCPS）来解决此问题。 本文提出了一种利用滑动窗口提取移动用户设备分布特征的特征提取方法，并通过实例研究表明该方法在保留聚类分布特征方面是有效的。 此外，我们提出了流量聚类分析，以将收集的流量分布样本分类为一组有限的流量模式，其中模式和相应的优化控制策略用于相似的流量分布，以快速控制基站状态。 实验结果表明，与网格方法相比，滑动窗口在实现更高的UE覆盖范围方面更具优势。 此外，从流量模式获得的优化控制策略能够实现高覆盖率，该覆盖率可以很好地为所有98％的移动UE服务，以实现类似的流量分配。