基于lbp算法的特征提取 表情识别和疲劳监测系统 matlab

基于SIFT和小波变换的图像拼接算法.pdf

图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key

lbp svm的视频人脸识别算法研究 基于GUI界面

数字图像处理：SIFT算法与HOG算法特征检测.ppt

这是我见过的最详细和易懂的SIFT算法详解，在这里首先感谢该文档的作者。 待有空将整理成自己语言写成博客，期待得到同行指导和相互交流

本资源在vc++平台下实现了图像特征匹配算法sift，并含有学习笔记，能很好的帮助理解算法，程序需配置opencv才能运行

Sift是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的发展和完善。Sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。在Mikolajczyk对包括Sift算子在内的十种局部描述子所做的不变性对比实验中，Sift及其扩展算法已被证实在同类描述子中具有最强的健壮性。 总体来说，Sift算子具有以下特性： （1）Sift特征是图像的局部特征，对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性。 （2）独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。 （3）多量性，即使少数的几个物体也可以产生大量Sift特征向量。 （4）速度相对较快，经优化的Sift匹配算法甚至可以达到实时的要求。 （5）可扩展性强，可以很方便的与其他形式的特征向量进行联合。 Sift特征匹配算法主要包括两个阶段，一个是Sift特征的生成，即从多幅图像中提取对尺度缩放、旋转、亮度变化无关的特征向量；第二阶段是Sift特征向量的匹配。

视频演示：http://www.bilibili996.com/Course?id=3106495000236

视频讲解：http://www.bilibili996.com/Course?id=2950814000235