1) scale-invariant feature
尺度不变特征
1.
Fast object recognition using local scale-invariant features;
基于局部尺度不变特征的快速目标识别
2.
To solve the problem of target scaling and rotation during television homing seeking for ground targets,scale-invariant features are applied in the guiding algorithm.
为解决自寻的电视导引过程中目标的尺度和旋转变化问题,将尺度不变特征应用到电视制导算法中。
2) scale invariant feature
尺度不变特征
1.
Keypoints with scale invariant features in a texture image are detected,and the local patterns with these keypoints as centers are described by the direction and scale normalized features.
该方法提取纹理图像中具有尺度不变特征的关键点,求出以这些关键点为中心的局部模式尺度和方向正规化特征,按特征将模式分类。
3) scale invariant feature transform(SIFT)feature point
尺度不变特征点
5) scale invariant feature transform
尺度不变特征变换
1.
To solve the problem of adaptability and accuracy in the field of image feature extraction and feature matching,the method of scale invariant feature transform(SIFT) was introduced.
针对图像特征提取与匹配的适应性和准确性的问题,将尺度不变特征变换(SIFT,Scale Invariant Feature Transform)算法应用到图像匹配领域。
2.
It uses scale invariant feature transform(SIFT) to extract invariant features from images mosaic,approximate nearest neighbor searching and random sample consensus(RANSAC) to perform reliable matching.
该算法首先利用改进的尺度不变特征变换(scale invariant feature transform,SIFT)特征提取方法获得图像特征点,其次利用近似最近邻匹配进行特征匹配并引入随机抽样一致性(random sampleconsensus,RANSAC)算法去除误匹配对,最后根据匹配的特征点对得到的图像间的变换参数进行拼接和融合。
6) SIFT
[英][sɪft] [美][sɪft]
尺度不变特征变换
1.
This paper presents a novel object tracking method based on SIFT(scale invariant feature transform) feature matching.
提出一种基于尺度不变特征变换(SIFT)特征匹配的目标跟踪方法。
2.
The SIFT-based traditional method settled the problem of automatic initialization is very complex.
在基于虚拟视觉伺服(VVS)跟踪算法基础上,应用尺度不变特征变换(SIFT)方法提取SIFT特征向量,采用基于KD树的最近邻搜索实现特征匹配,最后用线性位置算法计算出摄相机初始位置,降低了算法的时间复杂度,提高了算法的效率。
3.
Firstly,extracted feature descriptors of the images using the SIFT(scale invariant feature transform)descriptor.
该算法提取图像的尺度不变特征变换(SIFT)特征建立特征匹配矩阵,对特征匹配向量进行约简,最后将约简的特征匹配向量输入径向基神经网络进行识别输出。
补充资料：变尺度法
分子式：
CAS号：
性质：变尺度法是在解无约束极值问题的梯度法基础上发展起来的，它利用递推的方法计算目标函数的二阶导数及其逆阵，减少了计算量，同时比梯度法收敛快，是目前解决无约束极值问题的最有效的算法之一。
CAS号：
性质：变尺度法是在解无约束极值问题的梯度法基础上发展起来的，它利用递推的方法计算目标函数的二阶导数及其逆阵，减少了计算量，同时比梯度法收敛快，是目前解决无约束极值问题的最有效的算法之一。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条