强奸久久久久久久|草草浮力在线影院|手机成人无码av|亚洲精品狼友视频|国产国模精品一区|久久成人中文字幕|超碰在线视屏免费|玖玖欧洲一区二区|欧美精品无码一区|日韩无遮一区二区

首頁(yè) > 資訊 > 經(jīng)驗(yàn) > surf算法，matlab中surf用法

surf算法，matlab中surf用法

來(lái)源：整理 時(shí)間：2023-08-23 22:41:59 編輯：智能門戶 手機(jī)版

本文目錄一覽

1，matlab中surf用法

X，Y是兩個(gè)矩陣，不然怎么畫出圖來(lái)。

matlab中surf用法

2，surf跟蹤算法叫什么名中文叫法英文咋讀啊

speed up robust features 加速健壯特征？不知道你們專業(yè)怎么講的，直譯就差不多的意思

surf跟蹤算法叫什么名中文叫法英文咋讀啊

3，Surf的SURF算法

加速穩(wěn)健特征(Speeded Up Robust Features, SURF)是一個(gè)穩(wěn)健的圖像識(shí)別和描述算法，首先于2006年發(fā)表在歐洲計(jì)算機(jī)視覺(jué)國(guó)際會(huì)議(Europeon Conference on Computer Vision，ECCV)。該算法可被用于計(jì)算機(jī)視覺(jué)任務(wù)，如物件識(shí)別和3D重構(gòu)。他部分的靈感來(lái)自于SIFT算法。SURF標(biāo)準(zhǔn)的版本比SIFT要快數(shù)倍，并且其作者聲稱在不同圖像變換方面比SIFT更加穩(wěn)健。SURF 基于近似的2D 離散小波變換響應(yīng)和并且有效地利用了積分圖。 該算法由Herbert Bay于2006年首次發(fā)表于ECCV，2008年正式發(fā)表在Computer vision and image understanding期刊上，論文被引9000余次。 Hessian矩陣是SURF算法的核心，為了方便運(yùn)算，假設(shè)函數(shù)f(x,y)，Hessian矩陣H是由函數(shù)的二階偏導(dǎo)數(shù)組成：

Surf的SURF算法

4，surf估算的特征點(diǎn)主方向準(zhǔn)確嗎

示例：setMinimumSize(265, 190);　　　　　　　　　　　　　　//窗體最小尺寸resize(365, 240);//窗體默認(rèn)大小int w = width()- minimumWidth();/*****************定義控件*********************************/QLabel *nameLabel =new QLabel("Name:",this);QLabel *pwLabel = new QLabel("Passwd:",this);QLineEdit *nameLineEdit = new QLineEdit(this);QLineEdit *pwLineEdit = new QLineEdit(this);QPushButton *okButton = new QPushButton("OK",this);QPushButton *cancelButton = new QPushButton("Cancel",this);nameLabel->setGeometry(9, 9, 40, 25);　　　　　　　//定義n
不明白啊 = =！

5，surf 為什么在模糊方面優(yōu)于sift

sift匹配（scale-invariant feature transform，尺度不變特征轉(zhuǎn)換)是一種電腦視覺(jué)的算法用來(lái)偵測(cè)與描述影像中的局部性特征，它在空間尺度中尋找極值點(diǎn)，并提取出其位置、尺度、旋轉(zhuǎn)不變量，此算法由 david lowe 在1999年所發(fā)表，2004年完善總結(jié)。其應(yīng)用范圍包含物體辨識(shí)、機(jī)器人地圖感知與導(dǎo)航、影像縫合、3d模型建立、手勢(shì)辨識(shí)、影像追蹤和動(dòng)作比對(duì)。 局部影像特征的描述與偵測(cè)可以幫助辨識(shí)物體，sift 特征是基于物體上的一些局部外觀的興趣點(diǎn)而與影像的大小和旋轉(zhuǎn)無(wú)關(guān)。對(duì)于光線、噪聲、些微視角改變的容忍度也相當(dāng)高?；谶@些特性，它們是高度顯著而且相對(duì)容易擷取，在母數(shù)龐大的特征數(shù)據(jù)庫(kù)中，很容易辨識(shí)物體而且鮮有誤認(rèn)。使用 sift特征描述對(duì)于部分物體遮蔽的偵測(cè)率也相當(dāng)高，甚至只需要3個(gè)以上的sift物體特征就足以計(jì)算出位置與方位。在現(xiàn)今的電腦硬件速度下和小型的特征數(shù)據(jù)庫(kù)條件下，辨識(shí)速度可接近即時(shí)運(yùn)算。sift特征的信息量大，適合在海量數(shù)據(jù)庫(kù)中快速準(zhǔn)確匹配。2、sift特征的主要特點(diǎn) 從理論上說(shuō)，sift是一種相似不變量，即對(duì)圖像尺度變化和旋轉(zhuǎn)是不變量。然而，由于構(gòu)造sift特征時(shí)，在很多細(xì)節(jié)上進(jìn)行了特殊處理，使得sift對(duì)圖像的復(fù)雜變形和光照變化具有了較強(qiáng)的適應(yīng)性，同時(shí)運(yùn)算速度比較快，定位精度比較高。如： 在多尺度空間采用dog算子檢測(cè)關(guān)鍵點(diǎn)，相比傳統(tǒng)的基于log算子的檢測(cè)方法，運(yùn)算速度大大加快； 關(guān)鍵點(diǎn)的精確定位不僅提高了精度，而且大大提高了關(guān)鍵點(diǎn)的穩(wěn)定性； 在構(gòu)造描述子時(shí)，以子區(qū)域的統(tǒng)計(jì)特性，而不是以單個(gè)像素作為研究對(duì)象，提高了對(duì)圖像局部變形的適應(yīng)能力；
SIFT匹配（Scale-invariant feature transform，尺度不變特征轉(zhuǎn)換)是一種電腦視覺(jué)的算法用來(lái)偵測(cè)與描述影像中的局部性特征，它在空間尺度中尋找極值點(diǎn)，并提取出其位置、尺度、旋轉(zhuǎn)不變量，此算法由 David Lowe 在1999年所發(fā)表，2004年完善總結(jié)。其應(yīng)用范圍包含物體辨識(shí)、機(jī)器人地圖感知與導(dǎo)航、影像縫合、3D模型建立、手勢(shì)辨識(shí)、影像追蹤和動(dòng)作比對(duì)?！　【植坑跋裉卣鞯拿枋雠c偵測(cè)可以幫助辨識(shí)物體，SIFT 特征是基于物體上的一些局部外觀的興趣點(diǎn)而與影像的大小和旋轉(zhuǎn)無(wú)關(guān)。對(duì)于光線、噪聲、些微視角改變的容忍度也相當(dāng)高?；谶@些特性，它們是高度顯著而且相對(duì)容易擷取，在母數(shù)龐大的特征數(shù)據(jù)庫(kù)中，很容易辨識(shí)物體而且鮮有誤認(rèn)。使用 SIFT特征描述對(duì)于部分物體遮蔽的偵測(cè)率也相當(dāng)高，甚至只需要3個(gè)以上的SIFT物體特征就足以計(jì)算出位置與方位。在現(xiàn)今的電腦硬件速度下和小型的特征數(shù)據(jù)庫(kù)條件下，辨識(shí)速度可接近即時(shí)運(yùn)算。SIFT特征的信息量大，適合在海量數(shù)據(jù)庫(kù)中快速準(zhǔn)確匹配。

6，surf算法C語(yǔ)言編寫要做嵌入式開發(fā)不要C和基于OPENCV的

surf借鑒了sift中簡(jiǎn)化近似的思想，將DOH中的高斯二階微分模板進(jìn)行了近似簡(jiǎn)化，使得模板對(duì)圖像的濾波只需要進(jìn)行幾個(gè)簡(jiǎn)單的加減法運(yùn)算，并且，這種運(yùn)算與濾波模板的尺寸有關(guān)。實(shí)驗(yàn)證明surf算法較sift算法在運(yùn)算速度上要快3倍左右。 1 積分圖像 surf算法中要用到積分圖像的概念。借助積分圖像，圖像與高斯二階微分模板的濾波轉(zhuǎn)化為對(duì)積分圖像的加減運(yùn)算。積分圖像（Integral Image）的概念是由viola和Jones提出來(lái)的，而將類似積分圖像用于盒子濾波是由Simard等人提出。 積分圖像中任意一點(diǎn)（i,j）的值為ii(i,j)為原圖像左上角到任意點(diǎn)（i,j）相應(yīng)的對(duì)角線區(qū)域灰度值的總和即： 公式中，I(x`,y`)表示原圖像中點(diǎn)（i`,j`）的灰度值，ii（x,y）可以由下面兩公式迭代計(jì)算得到： 公式中，S（x,y）表示一列的積分，且S（i,-1）=0,ii(-1,j)=0.求積分圖像，只需對(duì)原圖像的所有像素素進(jìn)行一遍掃描。下面的代碼為c++語(yǔ)言的實(shí)現(xiàn) pOutImage[0][0] = pInImage[0][0]; for(int x = 1, x < nWidth; i++) { pOutImage[x][0] = pInImage[x-1][0] + pInImage[x][0]; } for(int y=1; y< nHeight ;y++) { int nSum = 0; for(int x=0; x < nWidth;x++) { nSum = pInImage[x][y]; pOutImage[x][y]= pInImage[x][y-1]+nSum; } } 如圖表示，在求取窗口w內(nèi)的像元灰度和時(shí)，不管窗口W的大小如何，均可利用積分圖像的4個(gè)對(duì)應(yīng)點(diǎn)（i1,j1）（i2,j2）（i3,j3）（i4,j4）的值計(jì)算的到。也就是說(shuō)，求取窗口W內(nèi)的像元灰度和與窗口的尺寸是無(wú)關(guān)的。窗口W內(nèi)的像元的灰度和為 Sum（W）= ii(i4,j4) -ii(i2,j2) - ii(i3,j3) + ii(i1,j1) 下面看以截圖，相信都可以看懂 關(guān)于矩形區(qū)域內(nèi)像素點(diǎn)的求和應(yīng)該是一種簡(jiǎn)單重復(fù)性運(yùn)算，采用這種思路總體上提高了效率。為什么這么說(shuō)呢？假設(shè)一幅圖片共有n個(gè)像素點(diǎn)，則計(jì)算n個(gè)位置的積分圖總共的加法運(yùn)算有n-1次（注意：可不是次哦，要充分利用遞推思想），將這些結(jié)果保存在一個(gè)跟原圖對(duì)應(yīng)的矩陣M中。當(dāng)需要計(jì)算圖像中某個(gè)矩形區(qū)域內(nèi)的所有像素之和是直接像查表一樣，調(diào)出A,B,C,D四點(diǎn)的積分圖值，簡(jiǎn)單的加減法（注意只需要三次哦）即可得到結(jié)果。反之，如果采用naive的方式直接在原圖像中的某個(gè)矩形區(qū)域內(nèi)求和，你想想，總共可能的矩形組合有多少？ ??！且對(duì)于一幅圖像n那是相當(dāng)大啊，所以2^n 那可是天文數(shù)字，而且這里面絕大部分的矩形有重疊，重疊意味著什么？在算求和的時(shí)候有重復(fù)性的工作，其實(shí)我們是可以有效的利用已經(jīng)計(jì)算過(guò)的信息的。這就是積分圖法的內(nèi)在思想：它實(shí)際上是先計(jì)算n個(gè)互不重疊（專業(yè)點(diǎn)說(shuō)是不相交）的矩形區(qū)域內(nèi)的像素點(diǎn)求和，充分利用這些值（已有值）計(jì)算未知值，有點(diǎn)類似遞推的味道...這就完全避免了重復(fù)求和運(yùn)算。 這樣就可以進(jìn)行2種運(yùn)算： （1）任意矩形區(qū)域內(nèi)像素積分。由圖像的積分圖可方便快速地計(jì)算圖像中任意矩形內(nèi)所有像素灰度積分。如下圖2.3所示，點(diǎn)1的積分圖像ii1的值為(其中Sum為求和) : ii1=Sum（A） 同理，點(diǎn)2、點(diǎn)3、點(diǎn)4的積分圖像分別為： ii2=Sum(A)+Sum(B); ii3=Sum(A)+Sum(C); ii4=Sum(A)+Sum(B)+Sum(C)+Sum(D); 矩形區(qū)域D內(nèi)的所有像素灰度積分可由矩形端點(diǎn)的積分圖像值得到: Sum(D)=ii1+ii4-(ii2+ii3) (1) (2) 特征值計(jì)算 矩形特征的特征值是兩個(gè)不同的矩形區(qū)域像素和之差，由(1)式可以計(jì)算任意矩形特征的特征值，下面以圖2.1中特征原型A為例說(shuō)明特征值的計(jì)算。 如圖2.4 所示，該特征原型的特征值定義為: Sum（A）-Sum（B） 根據(jù)（1）式則有：Sum(A)=ii4+ii1-(ii2+ii3); Sum(B)=ii6+ii3-(ii4+ii5); 所以此類特征原型的特征值為: (ii4-ii3)-(ii2-ii1)+(ii4-ii3)-(ii6-ii5) 另示：運(yùn)用積分圖可以快速計(jì)算給定的矩形之所有象素值之和Sum(r)。假設(shè)r=(x,y,w,h),那么此矩形內(nèi)部所有元素之和等價(jià)于下面積分圖中下面這個(gè)式子: Sum(r) = ii(x+w,y+h)+ii(x-1,y-1)-ii(x+w,y-1)-ii(x-1,y+h) 由此可見，矩形特征特征值計(jì)算只與此特征端點(diǎn)的積分圖有關(guān)，而與圖像坐標(biāo)值無(wú)關(guān)。對(duì)于同一類型的矩形特征，不管特征的尺度和位置如何，特征值的計(jì)算所耗費(fèi)的時(shí)間都是常量，而且都只是簡(jiǎn)單的加減運(yùn)算。其它類型的特征值計(jì)算方法類似。
同求大神們的回答 ！剛學(xué)10天哈哈 了解一下
文章TAG：surf算法matlab中surf用法

最近更新

  • 小米換電池，小米手機(jī)電池哪里有換小米換電池，小米手機(jī)電池哪里有換

    小米手機(jī)電池哪里有換2，小米手機(jī)換電池去哪里3，小米手機(jī)去哪里換電池4，小米手機(jī)換電池在哪換5，小米手機(jī)怎么拆電池6，小米電池在哪里換7，小米4手機(jī)電池可以更換嗎8，小米手機(jī)哪里可以換電池官方.....

    【經(jīng)驗(yàn)】 日期：2023-08-23

  • buckboost，為什么說(shuō)buckboost斬波電路是一個(gè)反極性的變換電路buckboost，為什么說(shuō)buckboost斬波電路是一個(gè)反極性的變換電路

    為什么說(shuō)buckboost斬波電路是一個(gè)反極性的變換電路2，你好請(qǐng)問(wèn)反轉(zhuǎn)的buckboost變換器是什么能說(shuō)具體一點(diǎn)嗎謝謝3，電力電子技術(shù)中三電平BuckBoost電路中的三電平指的是哪三個(gè)電4，BUCK和BOOS.....

    【經(jīng)驗(yàn)】 日期：2023-08-23

  • 掃地機(jī)器人浮動(dòng)吸口掃地機(jī)器人浮動(dòng)吸口

    360掃地-2/S7評(píng)價(jià):米家士四大技術(shù)優(yōu)勢(shì)掃地機(jī)器人，是不是沒(méi)必要?jiǎng)邮謷叩?？單吸口掃地機(jī)器人主要靠吸。如果真空電機(jī)的吸力不夠，清潔能力會(huì)大大降低，單吸口掃地機(jī)器人主要靠吸，如果真空電機(jī)的.....

    【經(jīng)驗(yàn)】 日期：2023-08-23

  • 沖擊電流，標(biāo)稱放電電流和沖擊電流有什么區(qū)別沖擊電流，標(biāo)稱放電電流和沖擊電流有什么區(qū)別

    標(biāo)稱放電電流和沖擊電流有什么區(qū)別2，短路沖擊電流是指什么3，什么是沖擊電流4，什么叫沖擊電流雷電流有什么特點(diǎn)5，PLC的沖擊電流怎么理解6，什麼是沖擊電流1，標(biāo)稱放電電流和沖擊電流有什么區(qū)別.....

    【經(jīng)驗(yàn)】 日期：2023-08-23

  • 芯片英語(yǔ)，芯片vcore是什么意思芯片英語(yǔ)，芯片vcore是什么意思

    芯片vcore是什么意思2，電腦網(wǎng)卡聲卡南橋北橋CPU等等芯片的英文單詞是什么哪位3，電路板上的英文縮寫各代表什么4，請(qǐng)問(wèn)英文單詞chips該翻譯成什么5，ic什么意思網(wǎng)絡(luò)用語(yǔ)6，高分求翻譯一段芯片的.....

    【經(jīng)驗(yàn)】 日期：2023-08-23

  • 什么是api，什么是應(yīng)用編程接口API什么是api，什么是應(yīng)用編程接口API

    什么是應(yīng)用編程接口API2，JAVA或者其他編程中的API到底是什么啊3，電腦系統(tǒng)中的API是什么意識(shí)4，api是什么意思1，什么是應(yīng)用編程接口APIhttp://zh.wikipedia.org/wiki/%E5%BA%94%E7%94%A8%E7%.....

    【經(jīng)驗(yàn)】 日期：2023-08-23

  • tpe是什么，tpus是什么tpe是什么，tpus是什么

    tpus是什么2，您好我想問(wèn)一下TPES是什么材料3，TPE融脂是怎么測(cè)試4，內(nèi)銷tpe是什么tpe塑料的收縮率是多少5，什么是TPI6，什么是TPM1，tpus是什么tpus的意思是熱塑性聚氨酯。期待看到有用的回答！2，您.....

    【經(jīng)驗(yàn)】 日期：2023-08-23

  • 并聯(lián)電阻怎么算，并聯(lián)電阻的公式是什么并聯(lián)電阻怎么算，并聯(lián)電阻的公式是什么

    并聯(lián)電阻的公式是什么2，并聯(lián)電阻計(jì)算公式3，物理并聯(lián)電路電阻怎么計(jì)算分不清4，求并聯(lián)電阻的公式5，并連電路中電阻公式是啥啊6，并聯(lián)電阻的計(jì)算公式1，并聯(lián)電阻的公式是什么1/R1+1/R2=1/RR總=1/(.....

    【經(jīng)驗(yàn)】 日期：2023-08-23

經(jīng)驗(yàn)文章排行榜