尺度不變特徵轉換和计算机视觉各主题列表

快捷方式: 差异，相似，杰卡德相似系数，参考。

尺度不變特徵轉換和计算机视觉各主题列表之间的区别

尺度不變特徵轉換 vs. 计算机视觉各主题列表

尺度不變特徵轉換(Scale-invariant feature transform 或 SIFT)是一種机器視覺的演算法用來偵測與描述影像中的局部性特徵，它在空間尺度中尋找極值點，並提取出其位置、尺度、旋轉不變數，此演算法由 David Lowe 在1999年所發表，2004年完善總結。 後續的論文中也有許多基於 SIFT 改進的論文，例如 SURF 將 SIFT 的許多過程近似，達到加速的效果；PCA-SIFT利用主成分分析降低描述子的維度，減少記憶體的使用並加快配對速度。 其應用範圍包含物體辨識、機器人地圖感知與導航、影像縫合、3D模型建立、手勢辨識、影像追蹤和動作比對。 此演算法有其專利，專利擁有者為 英屬哥倫比亞大學。. 这是一个计算机视觉以及图象处理的主题列表.

霍夫变换

霍夫變換是一種特徵檢測(feature extraction)，被廣泛應用在圖像分析（image analysis）、電腦視覺 (computer vision)以及數位影像處理 (digital image processing)。 霍夫變換是用來辨別找出物件中的特徵，例如：線條。他的演算法流程大致如下，給定一個物件、要辨別的形狀的種類，演算法會在參數空間(parameter space)中執行投票來決定物體的形狀， 而這是由累加空間(accumulator space)裡的局部最大值(local maximum)來決定。 現在廣泛使用的霍夫變換是由 Richard Duda 和 Peter Hart 在西元1972年發明，並稱之為廣義霍夫變換(generalized Hough transform)，廣義霍夫變換和更早前1962年的Paul Hough 的專利有關 。 經典的霍夫變換是偵測圖片中的直線，之後，霍夫變換不僅能識別直線，也能夠識別任何形狀，常見的有圓形、橢圓形。1981年，因為Dana H. Ballard 的一篇期刊論文 "Generalizing the Hough transform to detect arbitrary shapes"，讓霍夫變換開始流行於電腦視覺界。.

尺度不變特徵轉換和霍夫变换 · 计算机视觉各主题列表和霍夫变换 · 查看更多 »