STELLAR0的专栏

SURF算法是SIFT算法的加速版，opencv的SURF算法在适中的条件下完成两幅图像中物体的匹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，对于它们其他方面的不同可以参考本blog的另外一篇关于SIFT的文章。    不论科研还是应用上都希望可以和人类的视觉一样通过程序自动找出两幅图像里面相同的景物，并且建立它们之间的对应，前几年才被提出的SIFT（尺度不变

最近一直在看SIFT算法。Sift是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的发展和完善。Sift特征匹配算法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，具有很强的匹配能力。LOWE真是牛啊，2004年发表在IJCV上的Distinctive Image Features from Scale-Invariant Keypoints，短

大家知道相机可以做到将几个不同场景的图片匹配形成一幅图，此处用sift特征与ransac算法相结合的方法来进行图像的匹配。详细过程见程序如下：（运行前装库文件vlfeat）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%两幅图的匹配%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

kd_root = kdtree_build( feat2, n2 );。/** a node in a k-d tree */struct kd_node{     int ki;                      /**     double kv;                   /**     int leaf;

作者：王先荣本文翻译自维基百科，英文原文地址是：http://en.wikipedia.org/wiki/ransac，如果您英语不错，建议您直接查看原文。RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高

SIFT(Scale-invariant feature transform), Lowe, 2004PCA-SIFT(Principle Component Analysis), Y.ke, 2004SURF(Speeded Up Robust Features), Bay, 2006这三位先后登场各有千秋，算是图像特征点检测领域的宋氏三姐妹了！SIFT鼻祖先宗大

Step1: BBF算法，在KD-tree上找KNN。第一步做匹配咯~1.       什么是KD-tree（from wiki）K-Dimension tree，实际上是一棵平衡二叉树。一般的KD-tree构造过程：function kdtree (list of points pointList, int depth){    if po

最近也注意一些图像拼接方面的文章，很多很多，尤其是全景图拼接的，实际上类似佳能相机附加的软件，好多具备全景图拼接，多幅图像自动软件实现拼接，构成（合成）一幅全景图像（风景）。Sift算法，我略知一二，无法仔细描述（刚也贴了2个最近的资料）。      当就尺度空间（scale space),我想，其在计算机视觉（Computer Vision)\图像的多分辨率分析（尤其近年来小波的多分辨率