图像目标定位与检测的方法分类
来源:互联网 发布:淘宝怎么发布定制耳环 编辑:程序博客网 时间:2024/05/16 08:50
彼岸花
毕业小硕,主研机器视觉,图像处理方向,专注于图像分类,识别,机器视觉
各种二进制特征提取算子(ORB、BRIEF 、 FREAK、 BRISK)
Opencv运动物体常用的特征提取与匹配方法
图像匹配
图像匹配能够应用的场合非常多,如目标跟踪,检测,识别,图像拼接等,而图像匹配最核心的技术就要属角点匹配了,所谓角点匹配是指寻找两幅图像之间的特征像素点的对应关系,从而确定两幅图像的位置关系。
角点匹配可以分为以下四个步骤:
1.提取检测子:在两张待匹配的图像中寻找那些最容易识别的像素点(角点),比如纹理丰富的物体边缘点等。
2.提取描述子:对于检测出的角点,用一些数学上的特征对其进行描述,如梯度直方图,局部随机二值特征等。
检测子和描述子的常用提取方法有:sift, harris, surf, fast, agast, brisk, freak, brisk,orb等。
3.匹配:通过各个角点的描述子来判断它们在两张图像中的对应关系。常用方法如 flann
4.去外点:去除错误匹配的外点,保留正确的内点。常用方法有Ransac, GTM。
http://www.cnblogs.com/easymind223/archive/2012/10/02/2710466.html做了详细的测试。
从测试结果来看,orb检测子与surf描述子配合的效果是最好的,不过速度也是最慢的。古老的sift和surf依然好用,速度也还是那么不给力。在不考虑旋转和仿射变换的情况下,fast是很不错的选择,在小幅旋转(20度内)的情况下,fast也还是有一定的容错能力的。在旋转变化和尺度变化方面,各家武功相差不多,虽然在理论上sift支持旋转变化,不过测试中它并没有表现出明显的优势。在噪音方面,sift和orb明显强于其它算法;在亮度变化和仿射变换上,orb的鲁棒性是最好的;综合比较,orb的性价比在此次华山论剑中略胜一筹。
特征选择综述
如何为分类问题选择合适的机器学习算法
MATLAB自动识别MNIST手写数字数据库
基于MeanShift的Camshift算法原理详解(opencv实现,有源码)
图像分类中的SVM多核学习
SVM分类器训练的HOG行人检测
DPM(Deformable Parts Model)原理及代码分析
目标检测--LatentSVM和(DeformablePart Model,DPM)
Windows下运行DiscriminativelyTrained Deformable Part Models代码 Version 4
Object Detection----- Discriminatively TrainedPart Based Models
深度学习CNN用于目标检测的方法总结
行为识别:iDT算法
- 图像目标定位与检测的方法分类
- 我理解的分类、目标检测、目标识别、目标定位、目标跟踪
- 【目标检测】目标检测原理与实现(五)--基于Cascade分类器的目标检测
- 近年高光谱亚像元目标检测与定位方法
- 目标分类与检测实战
- 目标检测的图像特征提取之(四)OpenCV中BLOB特征提取与几何形状分类
- 计算机视觉目标检测的框架与图像处理过程
- 运动图像目标检测与跟踪简述
- 利用SVM进行图像目标检测和分类
- 基于高维视觉特征模型的目标图像检测与图像分割技术研究---论文摘录
- 目标检测的图像特征提取
- 目标检测的图像特征提取
- 目标检测的图像特征提取
- 目标检测的图像特征提取
- 图像的全局特征--用于目标检测
- 图像目标检测的特征提取9
- 目标检测的图像特征提取
- 运动目标检测的方法
- js实现自定义滚动条
- jedisCluster
- 键盘录入任意一个年份,判断该年是闰年还是平年
- CSDN的Markdown编辑器用法
- C#中的线程(一)入门(理解锁)
- 图像目标定位与检测的方法分类
- 基于proteus的51单片机仿真实例四十二、C语言的二维数组演示实例
- 【java】面试题
- 第五次实验报告
- HDU1062 Text Reverse
- 正则表达式:大写字母 小写字母 数字 特殊字符(四种里至少三种)
- 算法分析复习
- 我的第一条博客
- 补3