低调做人高调做事

************************************************************************************************************************************************************************************           在这里，我

这节为关键点特征描述static void compute_descriptors( CvSeq* features, IplImage*** gauss_pyr, int d,int n ){ struct feature* feat; struct detection_data* ddata; double*** hist; int i, k = features->

接上回继续，这部分为关键点定位static CvSeq* scale_space_extrema( IplImage*** dog_pyr, int octvs, int intvls, double contr_thr, int curv_thr, CvMemStorage* storage )//关键点定位{ CvSeq* features; do

这部分为关键点分配方向和计算尺度static void calc_feature_scales( CvSeq* features, double sigma, int intvls )//计算特征点尺度{ struct feature* feat; struct detection_data* ddata; double intvl; int i, n; n = f

网上已经有许多关于sift算法详细解释。本文适合于已经对sift算法有一定了解的读者，写本文的目的在于对Rob Hess的sift库中的c++源代码进行注释，从代码的角度对提升对sift算法的理解。闲话少说，进入正文。首先从网址http://robwhess.github.io/opensift/上下载sift源代码。解压之后不能直接运行，因为作者是在linux下编译的，所以需要自己在wind

最近在test2.cpp#include #include #include #include int main(){ IplImage * image; image = cvLoadImage("lena.jpg"); if( !image ) printf("loading error!\n");

这是Kaihua Zhang发表在ECCV2012的paper，paper的主题思想是利用满足压缩感知(compressive sensing)的RIP(restricted isometry property)条件的随机测量矩阵(random measurement matrix)对多尺度(multiple scale)的图像特征(features)进行降维，然后通过朴素贝叶斯分类器(naive