manchesterunitedhust的博客

VTune™ 性能分析器可通过图形用户界面轻松优化应用性能，而且无需重新编译。它独立于编译器和语言，因此可与 C、C++、Fortran、C#、Java、.NET 等等†一起使用。与只提供调用图分析或一组有限的采样事件的产品不同，VTune 分析器可通过一组丰富的适用于所有最新英特尔® 处理器的调试事件同时实现上述两种功能。

VTune™ 性能分析器可通过图形用户界面轻松优化应用性能，而且无需重新编译。它独立于编译器和语言，因此可与 C、C++、Fortran、C#、Java、.NET 等等†一起使用。与只提供调用图分析或一组有限的采样事件的产品不同，VTune 分析器可通过一组丰富的适用于所有最新英特尔® 处理器的调试事件同时实现上述两种功能。

VTune™ 性能分析器可通过图形用户界面轻松优化应用性能，而且无需重新编译。它独立于编译器和语言，因此可与 C、C++、Fortran、C#、Java、.NET 等等†一起使用。与只提供调用图分析或一组有限的采样事件的产品不同，VTune 分析器可通过一组丰富的适用于所有最新英特尔® 处理器的调试事件同时实现上述两种功能。

图像匹配是当前虚拟现实、计算机视觉等领域的一个研究热点。目前，对图像匹配技术提出了很多匹配算法，这些匹配算法都有以下共同点：图像间的焦距要一致，不能有尺度缩放，旋转不能太大，变形不能太明显，还有光照变化、仿射变换等等方面受到限制；因此大多数算法共同的缺点是：特征的检测困难，算法稳定性较差。针对当前特征匹配算法存在的不足，我们的项目——图像识别，以尺寸不变特征变换(Scale Invariant Feature Transform，简称SIFT）算法为基础, 通过提取稳定的特征，可以实现差异较大的两幅图像之间的特征的匹配。 本文对当前主要的一些算法进行理论分析比较，包括Hough变换、SIFT算法等，分析每个算法的优缺点和适用范围，利用MATLAB进行实验测试，最终选用SIFT算法作为基本算法。