matlab实现sift算法

Ⅱ 如何用matlab运行sift算法

具体程序要具体分析的，请把程序发过来，调试一次就知道了

Ⅲ matlab实现SIFT特征点检测及配准

sift是一种提取特征点的算法，可以用matlab编程实现，但没有现成的语句，得自己写程序。另外还有很多提取特征的算法，sift是其中比较好的一种。

Ⅳ 有懂matlab的sift算法的大神吗

这段matlab是个空壳，其核心是调用siftWin32.exe。（对windows）
Q1 这是pgm文件的格式要求。可以自己查去

Q2 !表示后面执行的命令是在系统shell里执行的。对windows来说就是命令提示符

Q3 那是可执行程序siftWin32.exe需要的参数
Q4 那是可执行程序siftWin32.exe需要的

Ⅳ 有人通过matlab实现了pca-sift么

主要就是一个match函数 I_sence=imread('e:\SIFT\road_sign\danger_w.jpg'); I_object=imread('e:\SIFT\road_sign\sign5.jpg'); I_sence=rgb2gray(I_sence); I_object=rgb2gray(I_object); imwrite(I_sence,'e:\SIFT\road_sign\danger_w_gray.gi...

Ⅵ MATLAB SIFT算法计算旋转角度

自己写调用程序，调用的时候注意看每个函数调用的输入参数，
调用函数很简单，首先读取图像，然后进行灰度化，再将得到的灰度图像读入，再直接调用match函数就可以了！
clc
clear all;
close all;

Ⅶ 在MATLAB的sift算法中，怎么用一个模板与多幅图像进行匹配

(1) 尺度不变特征变换（SIFT算法）概要

是一种计算机视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。

此算法由 David Lowe 在1999年所发表，2004年完善总结。其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。此算法有其专利，专利拥有者为 英属哥伦比亚大学。

局部影像特征的描述与侦测可以帮助辨识物体，SIFT 特征是基于物体上的一些局部外观的兴趣点而与影像的大小和旋转无关。 对于光线、噪声、些微视角改变的容忍度也相当高。基于这些特性，它们是高度显着而且相对容易撷取，在母数庞大的特征数据库中，很容易辨识物体而且鲜有误认。使用 SIFT特征描述对于部分物体遮蔽的侦测率也相当高，甚至只需要3个以上的SIFT物体特征就足以计算出位置与方位。在现今的电脑硬件速度下和小型的特征数据库条件下，辨识速度可接近即时运算。SIFT特征的信息量大，适合在海量数据库中快速准确匹配。

(2 ) Matlab代码主要功能函数如下： match.m：测试程序

功能：该函数读入两幅（灰度）图像，找出各自的 SIFT 特征, 并显示两连接两幅图像中被匹配的特征点（关键特征点（the matched keypoints）直线（将对应特征点进行连接）。判断匹配的准则是匹配距离小于distRatio倍于下一个最近匹配的距离（ A match is accepted only if its distance is less than distRatio times the distance to the second closest match. 该程序返回显示的匹配对的数量。（ It returns the number of matches displayed.） 调用实例： match('desk.jpg','book.jpg');

( 假如，想测试一个含有一本书的桌面的图像 和一本书的图像之间特征匹配） 调用方法和参数描述：略。 注意：（1）图像为灰度图像，如果是彩色图像，应该在调用前利用rgb2gray转换为灰度图像。

（2）参数distRatio 为控制匹配点数量的系数，这里取 0.6，该参数决定了匹配点的数量，在Match.m文件中调整该参数，获得最合适的匹配点数量。 sift.m :尺度不变特征变换（SIFT算法）的核心算法程序

功能：该函数读入灰度图像，返回SIFT 特征关键点（ SIFT keypoints.） 调用方法和参数描述：

调用方式：[image, descriptors, locs] = sift(imageFile) 输入参数（ Input parameters）:

imageFile: 图像文件名.

输出或返回参数（ Returned）:

image: 是具有double format格式的图像矩阵

descriptors: 一个 K-by-128 的矩阵x, 其中每行是针对找到的K个关键特征点（the K keypoints）的不变量描述子. 这个描述子（descriptor）是一个拥有128个数值并归一化为单位长度向量.

locs: 是K-by-4 矩阵, 其中的每一行具有四个数值，表示关键点位置信息 (在图像中的行坐标，列坐标（row, column) ，注意，一般图像的左上角为坐标原点）, 尺度scale，高斯尺度空间的参数，其中该参数也决定了frame(结构）确定的图像disk的大小, 最后一个参数是方向orientation). 方向参数的范围是[-PI, PI] 单位为弧度.

appendimages.m: 该函数创建一个新的图像分别包含两个匹配的图像和他们之间

的匹配对的连接直线. (3) 实际案例执行结果：

程序代码使用matlab和c混合编程。用matlab打开文件中的sift_match.m文件，并执行。如下图所示：