主要分为以下几个步骤：(1) 读入两张图片并分别提取SIFT特征(2) 利用k-d tree和BBF算法进行特征匹配查找(3) 利用RANSAC算法筛选匹配点并计算变换矩阵(3) 图像融合SIFT算法以及RANSAC算法都是利用的RobHess的SIFT源码，前三个步骤RobHess的源码中都有自带...
分类：
其他好文 时间：
2015-04-20 13:11:18
阅读次数：
259
宽基线条件下点特征匹配的首要任务就是提取稳定的特征，并进行描述。这里稳定一词的含义指的是希望该特征能对旋转、尺度缩放、仿射变换、视角变化、光照变化等图像变化因素保持一定的不变性，而对物体运动、遮挡、噪声等因素也保持较好的可匹配性，从而可以实现差异较大的两幅图像之间特征的匹配。 对图像变化保持稳定.....
分类：
其他好文 时间：
2015-04-05 14:31:26
阅读次数：
134
在OpenCV2简单的特征匹配中对使用OpenCV2进行特征匹配的步骤做了一个简单的介绍，其匹配出的结果是非常粗糙的，在这篇文章中对使用OpenCV2进行匹配的细化做一个简单的总结。主要包括以下几个内容： DescriptorMatcher DMatcher KNN匹配 计算两视图的基础矩阵F，并细...
分类：
其他好文 时间：
2015-03-12 23:57:40
阅读次数：
1044
当尝试在不同图像之间进行特征匹配时，通常会遇到图像的大小、方向等参数发生改变的问题，简而言之，就是尺度变化的问题。每幅图像在拍摄时与目标物体的距离是不同的，因此要识别的目标物体在图像中自然会存在不同的尺寸。因此，计算机视觉中引入尺度不变的特征，主要的思想是每个检测到的特征点都伴随对应的尺度因子。著名的尺度不变特征检测器SIFT与其变种SURF便属于经典算法。...
分类：
编程语言 时间：
2015-03-10 01:28:34
阅读次数：
304
特征的匹配大致可以分为3个步骤： 特征的提取 计算特征向量 特征匹配 对于3个步骤，在OpenCV2中都进行了封装。所有的特征提取方法都实现FeatureDetector接口，DescriptorExtractor接口则封装了对特征向量（特征描述符）的提取，而所有特征向量的匹配都继承了Descrip...
分类：
其他好文 时间：
2015-03-09 12:20:23
阅读次数：
148
转载：@小五义http://www.cnblogs.com/xiaowuyi 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...
分类：
编程语言 时间：
2015-02-05 13:04:37
阅读次数：
231
特征匹配（Feature Match)是计算机视觉中很多应用的基础，所以花一些时间去深入理解这个概念是不为过的。本文希望通过一种通俗易懂的方式来阐述特征匹配这个过程，以及在过程中遇到的一些问题。概念理解： 假设这样的一个场景，小明和小小明都在看一个图片，但是他们想知道他们看的是否是同一幅图片，...
分类：
其他好文 时间：
2014-11-23 21:22:49
阅读次数：
266
关于RANSAC算法的基本思想，可从网上搜索找到，这里只是RANSAC用于SIFT特征匹配筛选时的一些说明。RANSAC算法在SIFT特征筛选中的主要流程是：(1) 从样本集中随机抽选一个RANSAC样本，即4个匹配点对(2) 根据这4个匹配点对计算变换矩阵M(3) 根据样本集，变换矩阵M，和误差度...
分类：
编程语言 时间：
2014-11-14 15:35:56
阅读次数：
2089
OpenCV学习笔记：FLANN特征匹配
本次给出FLANN特征匹配的Java实现。特征匹配记录下目标图像与待匹配图像的特征点（KeyPoint），并根据特征点集合构造特征量（descriptor），对这个特征量进行比较、筛选，最终得到一个匹配点的映射集合。我们也可以根据这个集合的大小来衡量两幅图片的匹配程度。...
分类：
其他好文 时间：
2014-11-05 19:52:34
阅读次数：
256
李乔亮,汪国有,刘建国,会员,IEEE,和陈少波 2008年8月7日接收;2008年10月22日和2008年11月27日修改。2009年2月2日首版；当前版本出版于2009年4月17日。本项工作由中国国家基础研究项目60672060资助。 中国湖北省武汉市华中科技大学模式识别与人工智能国家重点实验室...
分类：
其他好文 时间：
2014-10-20 23:01:58
阅读次数：
1066
