SURF算法是继SIFT算法后的又一个稳定快速的特征提取算法，它除了具有SIFT算法的稳定性外，最突出的优点是算法速度快，实时性较强。
2023/12/28 8:19:43
1.3MB
1
Harris是一种高效的角点检测算法，但不具备尺度不变性。
SURF（speeded-uprobustfeatures）算法虽然能很好地解决图像尺度变化问题，但是在特征点提取方面没有Harris稳定。
针对Harris和SURF两种算法的特点，提出一种新的Harris-SURF特征点提取算法。
首先用Harris算法检测图像角点，再用SURF算法提取图像特征点；
然后合并角点和特征点，并剔除重复点获得新的特征点集，确定新特征点的主方向并生成特征描述符，再对图像使用比值法进行初匹配；
最后利用RANSAC剔除错误匹配点实现精确匹配。
实验结果表明，该算法对图像存在旋转、缩放、光照及噪声变化有较强的鲁棒性，同时提高了运行效率。
SURF（speeded-uprobustfeatures）算法虽然能很好地解决图像尺度变化问题，但是在特征点提取方面没有Harris稳定。
针对Harris和SURF两种算法的特点，提出一种新的Harris-SURF特征点提取算法。
首先用Harris算法检测图像角点，再用SURF算法提取图像特征点；
然后合并角点和特征点，并剔除重复点获得新的特征点集，确定新特征点的主方向并生成特征描述符，再对图像使用比值法进行初匹配；
最后利用RANSAC剔除错误匹配点实现精确匹配。
实验结果表明，该算法对图像存在旋转、缩放、光照及噪声变化有较强的鲁棒性，同时提高了运行效率。
2023/7/9 20:05:35
1.35MB
1
SURF角点检测算法是对SIFT的一种改进，主要体现在速度上，效率更高。
它和SIFT的主要区别是图像多尺度空间的构建方法不同。
作为尺度不变特征变换算法（Sift算法）的加速版，Surf算法在适中的条件下完成两幅图像中物体的婚配基本实现了实时处理，其快速的基础实际上只有一个——积分图像haar求导
它和SIFT的主要区别是图像多尺度空间的构建方法不同。
作为尺度不变特征变换算法（Sift算法）的加速版，Surf算法在适中的条件下完成两幅图像中物体的婚配基本实现了实时处理，其快速的基础实际上只有一个——积分图像haar求导
2017/11/18 16:05:37
1.03MB
1
这个是计算机视觉三维重建的领域。
该代码实现特征点提取和立体婚配的功能。
三维重建模拟人眼，进行双目拍摄。
这里在经典特征点特区SURF算法基础上，加入极线约束的思想，去除噪声和婚配错误的杂点。
有很好的婚配效果。
该代码实现特征点提取和立体婚配的功能。
三维重建模拟人眼，进行双目拍摄。
这里在经典特征点特区SURF算法基础上，加入极线约束的思想，去除噪声和婚配错误的杂点。
有很好的婚配效果。
2022/10/22 0:46:03
6KB
1
surf的原始论文。
对做图像匹配的朋友有一定协助。
SURF意指加速的具有鲁棒性的特征，由Bay在2006年首次提出，这项技术可以应用于计算机视觉的物体识别以及3D重构中。
SURF算子由SIFT算子改进而来，一般来说，标准的SURF算子比SIFT算子快好几倍，并且在多幅图片下具有更好的鲁棒性。
SURF最大的特征在于采用了harr特征以及积分图像integralimage的概念，这大大加快了程序的运行时间。
对做图像匹配的朋友有一定协助。
SURF意指加速的具有鲁棒性的特征，由Bay在2006年首次提出，这项技术可以应用于计算机视觉的物体识别以及3D重构中。
SURF算子由SIFT算子改进而来，一般来说，标准的SURF算子比SIFT算子快好几倍，并且在多幅图片下具有更好的鲁棒性。
SURF最大的特征在于采用了harr特征以及积分图像integralimage的概念，这大大加快了程序的运行时间。
2022/9/4 22:15:54
4.33MB
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