1引言 数字识别是模式识别领域 中的一个重要分支,数字识别一般通过特征匹配及特征判别的传统方法进行处理。特征匹配通常适用于规范化的印刷体字符的识别,而 特征判别多用于手写字符识别,这些方法还处于探索阶段,识别率还比较低。随着神经网络技术的飞速发展,其本身具有的高度并行性、较强的自组织能力和容错性、较
分类：
编程语言 时间：
2016-03-05 21:42:42
阅读次数：
360
文章翻译自：《BRISK: Binary Robust Invariant Scalable Keypoints》Stefan Leutenegger, Margarita Chli etl.
BRISK 摘要：从一幅图片中高效地寻找关键点始终是一个深入研究的话题，以此形成了众多的计算机视觉应用的基础。正在这个领域中，先驱算法SIFT和SURF在各种图形转换中表现出了巨大的性能，特别是SURF在日益更新的高性能方法中被认为是计算最有效的方法。本文提出的BRISK算法是用于关键点检测，描述和匹配的一种新方法。...
分类：
其他好文 时间：
2016-02-24 19:34:46
阅读次数：
592
What is FLANN?FLANN is a library for performing fast approximate nearest neighbor searches in high dimensional spaces. It contains a collection of alg...
分类：
移动开发 时间：
2016-01-25 22:33:41
阅读次数：
869
随机抽样一致性（RANSAC）算法，可以在一组包含“外点”的数据集中，采用不断迭代的方法，寻找最优参数模型，不符合最优模型的点，被定义为“外点”。在图像配准以及拼接上得到广泛的应用，本文将对RANSAC算法在OpenCV中角点误匹配对的检测中进行解析。
OpenCV中使用RANSAC算法寻找一个最佳单应性矩阵，矩阵大小为3×3。RANSAC目的是找到最优的参数矩阵使得满足该矩阵的数据点个数最多，通常令h33=1来归一化矩阵。由于单应性矩阵有8个未知参数，至少需要8个线性方程求解，对应到点位置信息上，一组点对...
分类：
编程语言 时间：
2015-12-08 22:28:17
阅读次数：
470
传统的特征点描述子如SIFT,SURF描述子，每个特征点采用128维(SIFT)或者64维(SURF)向量去描述，每个维度上占用4字节，SIFT需要128×4=512字节内存，SURF则需要256字节。如果对于内存资源有限的情况下，这种描述子方法显然不适应。同时，在形成描述子的过程中，也比较耗时。后来有人提出采用PCA降维的方法，但没有解决计算描述子耗时的问题。
鉴于上述的缺点Michae...
分类：
其他好文 时间：
2015-09-10 11:11:32
阅读次数：
266
1 前言在上一篇blog中，我们分析了CMT的整体算法流程及前面几步的实现分析，接下来我们继续分析后面的几步。2 Step 4，5，6 特征点匹配与数据融合这几步就是通过跟踪和特征匹配来获取这一帧的特征点，将两者融合在一起。上一篇文章分析了光流，这里再分析一下特征匹配。源代码如下： //Detect keypoints, compute descriptors 计算当前图像的关键点
v...
分类：
编程语言 时间：
2015-08-21 11:27:41
阅读次数：
309
SURF (Speed Up Robust Features)是SIFT改进版也是加速版，提高了检测特征点的速度，综合性能要优于SIFT。
下面先逐次介绍SURF的原理，最后解析opencv上SURF源码。
转载请注明出处：http://blog.csdn.net/luoshixian099/article/details/47778143
1.积分图像
SURF是对积分图像进行操作，从而...
分类：
其他好文 时间：
2015-08-20 15:21:45
阅读次数：
1544
关于利用python进行验证码识别的一些想法 用python加“验证码”为关键词在baidu里搜一下，可以找到很多关于验证码识别的文章。我大体看了一下，主要方法有几类：一类是通过对图片进行处 理，然后利用字库特征匹配的方法，一类是图片处理后建立字符对应字典，还有一类是直接利用ocr模块进行识别。不管...
分类：
编程语言 时间：
2015-08-16 22:46:18
阅读次数：
190
继上一篇中已经介绍了SIFT原理与C源码剖析，最后得到了一系列特征点，每个特征点对应一个128维向量。假如现在有两副图片都已经提取到特征点，现在要做的就是匹配上相似的特征点。
相似性查询有两种基本方式：1.范围查询：即给点查询点和查询阈值，从数据集中找出所有与查询点距离小于阈值的点。
2.K近邻查询：给点查询点及正整数K,从数据集中找到与查询...
分类：
编程语言 时间：
2015-08-13 12:26:46
阅读次数：
620
转载请注明出处：
上一篇中已经介绍了SIFT原理点击打开链接，最后得到了一系列特征点，每个特征点对应一个128维向量。假如现在有两副图片都已经提取到特征点，现在要做的就是匹配上相似的特征点。
相似性查询有两种基本方式：1.范围查询：即给点查询点和查询阈值，从数据集中找出所有与查询点距离小于阈值的点。...
分类：
编程语言 时间：
2015-08-12 23:39:22
阅读次数：
568
