一些常用的纹理特征提取方法汇总，都是用matlab写的，经过测试后有效。
希望对大家有所帮助。
matlab版本的源码，有详细的sift特征提取和匹配的步骤介绍，具体sift是什么我就不多说了。
这个matlab版本的源码就是供初学者学习之用。
本人也是刚刚学习，代码亲字试过，希望对大家有帮助，大家一起学习交流，我也是从别人那考来的代码
希望对大家有所帮助。
matlab版本的源码，有详细的sift特征提取和匹配的步骤介绍，具体sift是什么我就不多说了。
这个matlab版本的源码就是供初学者学习之用。
本人也是刚刚学习，代码亲字试过，希望对大家有帮助，大家一起学习交流，我也是从别人那考来的代码
2023/12/25 19:34:28
26.98MB
1
SIFT作为场景图像的局部特征能够较好的表征和区分不同的场景。
对于类别间距较大的样本，SVM能够很好的分类.
对于类别间距较大的样本，SVM能够很好的分类.
2023/10/27 21:44:38
5.03MB
1
该压缩包在matlab2013a中运行并实现图像的特征提取，包含四大类经典特征提取方法：SIFT特征，颜色特征，形状特征，纹理特征。
每个方法文件夹内附有文档说明。
最后我给出了同步PPT解说，包含原理，步骤，及运行实例和结果。
每个方法文件夹内附有文档说明。
最后我给出了同步PPT解说，包含原理，步骤，及运行实例和结果。
2023/10/6 20:41:40
2.57MB
1
用matlab实现的基于sift特征点的人民币识别（面额、正反面均可扩展），sift特征提取源码是sift作者提供的闭源程序。
2023/8/27 17:36:29
1.86MB
1
数字图像处理（DIA）相关实验，包括matlab的源代码、效果图与论文等参考资料。
任务描述：1. 给定一对图像，利用提取好的SIFT特征文件，根据距离阈值准则（跨图像的局部SIFT特征距离小于0.4），得到图像间的初始局部特征匹配关系；
2. 基于上述初步匹配结果，实现spatialcoding方法，进行匹配校验，确定几何不一致的匹配；
3. 将几何一致的匹配和不一致的匹配在图像上画出来，分别用蓝色和红色进行区分。
任务描述：1. 给定一对图像，利用提取好的SIFT特征文件，根据距离阈值准则（跨图像的局部SIFT特征距离小于0.4），得到图像间的初始局部特征匹配关系；
2. 基于上述初步匹配结果，实现spatialcoding方法，进行匹配校验，确定几何不一致的匹配；
3. 将几何一致的匹配和不一致的匹配在图像上画出来，分别用蓝色和红色进行区分。
2023/8/17 20:37:32
21.42MB
1
SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点，其匹配能力较强，可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。
2023/8/9 4:24:46
705KB
1
目标识别是计算机视觉一个重要的研究领域，由此延伸出的车辆型号识别具有重要的实际应用价值，特别是在当今交通状况复杂的大城市，智能交通系统成为发展趋势，这离不开对车辆型号进行识别和分类的工作，本文围绕如何利用计算机视觉的方法进行车辆型号的识别和分类展开了一系列研究：本文对当前的目标识别和分类的特征和算法做了总结和归纳。
分析比较了作为图像特征描述常见的特征算子，总结归纳了他们的提取方法、特征功能以及相互之间的关联。
另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作方法。
研究了深度神经网络的理论依据，分析比较了深度神经网络不同的特征学习方法，以及卷积神经网络的训练方法。
分析比较不同特征学习方法的特点选取k-means作为本文使用的特征学习方法，利用卷积神经网络结构搭建深度学习模型，进行车辆车型识别工作。
本文为了测试基于深度学习的车辆型号分类算法的功能在30个不同型号共7158张图片上进行实验；
并在相同数据上利用改进了的SIFT特征匹配的算法进行对比实验；
进过实验测试，深度学习方法在进行车型分类的实验中取得94%的正确率，并在与SIFT匹配实验结果对比后进一步证实：深度学习的方法能够应用在车辆型号识别领域
分析比较了作为图像特征描述常见的特征算子，总结归纳了他们的提取方法、特征功能以及相互之间的关联。
另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作方法。
研究了深度神经网络的理论依据，分析比较了深度神经网络不同的特征学习方法，以及卷积神经网络的训练方法。
分析比较不同特征学习方法的特点选取k-means作为本文使用的特征学习方法，利用卷积神经网络结构搭建深度学习模型，进行车辆车型识别工作。
本文为了测试基于深度学习的车辆型号分类算法的功能在30个不同型号共7158张图片上进行实验；
并在相同数据上利用改进了的SIFT特征匹配的算法进行对比实验；
进过实验测试，深度学习方法在进行车型分类的实验中取得94%的正确率，并在与SIFT匹配实验结果对比后进一步证实：深度学习的方法能够应用在车辆型号识别领域
2023/2/8 8:49:32
4.2MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB