sift 英文原文 图像处理方面的原理文章 英文版的原文

广泛使用的SIFT代码，可以运行。SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。该方法于1999年由David Lowe [2] 首先发表于计算机视觉国际会议（International Conference on Computer Vision，ICCV），2004年再次经David Lowe整理完善后发表于International journal of computer vision（IJCV）

基于SIFT的手势识别程序 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，适合初学者学习，注释清楚

图像马赛克 开发了一个“图像拼接应用程序”，将一组照片拼接成马赛克/全景图片。 使用SIFT算法生成兴趣点和RANSAC算法消除异常值，最终应用单应矩阵将图像拼接在一起。 下面将解释一些重要的功能： ##计算单应性： 源点和目标点的单独 x,y 坐标。 然后创建在讲座中描述的矩阵 A。使用 matlab 函数 eig 计算 A'*A 的特征值和向量。 结果将包含多组解决方案。 选择与最小特征值对应的特征向量，即第一个。 将该向量转换为 3x3 矩阵以获得 3x3 单应矩阵。 ##applyHomography： 给定单应矩阵和源图像中的点，计算目标图像中的对应点。 使用讲义第 16 页中的信息，可以计算 x,y 坐标。 ##backwardWarpImg： 首先将源图像分成 R、G、B 通道。 然后向后查找目标图像中每个像素在源图像中的对应点。 为了让它更有效率，它被逐列处理。 掩码是通过

MATLAB资源，包含LBP经典论文，以及论文中提及的LBP算法实现。

matlab图像融合源码 I'm terribly sorry, there are errors of the description in Section-III(B) of the paper “Remote Sensing Image Registration with Modified SIFT and Enhanced Feature Matching”. We have uploaded the errors in document named 《 revised of the PSO-SIFT》.I'm sorry to have affected your reading. 我们已经出版的文章《Remote Sensing Image Registration with Modified SIFT and Enhanced Feature Matching》在第三部分（B）存在一些描述性错误，可能会给你的阅读带来麻烦，因此我们上传了出错的地方，并给出了正确的描述方法，文档名字为“revised of the PSO-SIFT”。CSDN 博主对已经翻译了该论文： Im

提出了一种基于HOG-LBP特征融合的人体头肩检测方法，其要点是将人体头肩图像等分为多个部分重叠的块，从每个块内提取HOG和LBP特征并加以融合，以得到更有效的人体头肩的边缘轮廓和纹理特征，融合后的特征送入支持向量机SVM（Support Vector Machine）通过Bootstrapping的方式进行训练，得到最终的判别模型。实验结果表明，该方法的检测效果优于基于单一HOG、LBP特征的方法。

LBP含义为局部二进制模式，是用来描述图像局部特征的算子，由T.Ojala, M.Pietikäinen, 和 D. Harwood在1994年提出，最初是为纹理描述而设计的。由于LBP对单调灰度变化的不变性和计算效率高，其适用于高要求的图像分析任务，在计算机视觉的许多领域都得到了广泛的应用：比如人脸识别、目标检测、应用LBP特征来进行训练目标检测分类器。 ​ 本文将介绍LBP特征算法的三种模式，分别为：原始的LBP，Circular LBP又称Extended LBP，Uniform Pattern LBP

在MATLAB上实现SIFT特征提取，内含MATLAB源代码，以及文档使用说明，帮助你快速进行相关开发

SIFT算法原文翻译，翻译的不错，