图像匹配算法
来源:互联网 发布:好心分手 知乎 编辑:程序博客网 时间:2024/06/07 16:35
图像匹配算法分为3类:基于灰度的匹配算法、基于特征的匹配算法、基于关系的匹配算法
(1)基于灰度的模板匹配算法:模板匹配(Blocking Matching)是根据已知模板图像到另一幅图像中寻找与模板图像相似的子图像。基于灰度的匹配算法也称作相关匹配算法,用空间二维滑动模板进行匹配,不同匹配算法主要体现在相关准则的选择方面,常见的基于模板的匹配算法可以参考下面的链接:
参考:http://blog.csdn.net/hujingshuang/article/details/47759579
(2)基于特征的匹配算法:首先提取图像的特征,再生成特征描述子,最后根据描述子的相似程度对两幅图像的特征之间进行匹配。图像的特征主要可以分为点、线(边缘)、区域(面)等特征,也可以分为局部特征和全局特征。
区域(面)特征提取比较麻烦,耗时,因此主要用点特征和边缘特征。
点特征包括:Harris 、Moravec、KLT、SIFT、SURF 、BRIEF、SUSAN、FAST、CENSUS、FREAK(点击打开链接)、BRISK(点击打开链接)、ORB、光流法(点击打开链接)、A-KAZE等。
边缘特征包括:LoG算子、Robert算子、Sobel算子、Prewitt算子、Canny算子等。
光流法:
(3)基于关系的匹配算法:建立语义的网络,是人工智能领域在图像处理中的应用,但还没有突破性的进展。
立体匹配:左右相机的匹配,用基于灰度的模板匹配方法,对所有的像素点匹配。
跟踪匹配:前后帧的匹配,用基于特征的匹配算法,对特征点进行匹配,然后根据几个匹配的特征点计算出相机的位姿。
0 0
- 图像匹配算法sift
- 图像算法,模版匹配
- 图像匹配算法
- 图像算法,模版匹配
- opencv图像匹配算法
- 图像匹配算法
- 图像匹配算法之brisk
- 图像匹配算法之ORB
- 图像匹配 一些基本算法
- 图像匹配算法研究之surf算法
- 图像匹配算法研究之sift算法
- 图像匹配算法研究之surf算法
- 图像匹配算法研究之sift算法
- 图像匹配算法研究之sift算法
- OpenCV图像匹配算法之sift
- OpenCV图像匹配算法之surf
- OpenCV图像匹配算法之orb
- OpenCV图像匹配算法之brisk
- SQLAlchemy ORM教程之二:Query
- 基于88E6095的链路冗余协议开发(三)
- BZOJ 1237: [SCOI2008]配对 一个神奇的东西然后简单DP
- MySQL的部分笔记与他人的整理链接
- (转)Android View的测量
- 图像匹配算法
- SQLAlchemy ORM教程之三:Relationship
- Leetcode 264. Ugly Number II
- 使用Nose模块,出现了Traceback,SystemExit: False.
- C#.NET学习心得(二)
- git上的错误
- C++——NOIP模拟题——减法
- 冒泡排序
- Unity3D 学习笔记(二)脚本的使用