基于特征串树的病毒特征码匹配算法

错误未定义样式 摘 要 近年来数字图像处理技术发展迅速图像配准技术已成为计算机视觉图像处 理领域中非常重要的步骤图像配准效果的优劣直接影响着图像校正拼接融合和 变化检测等技术的处理结果目前图像配准技术

主要利用遗传算法实现对特征点的匹配,在机器视觉中经常会用到特征点的提取以及匹配,而代码里用的是遗传算法对特征点进行了匹配。

大部分基于卷积神经网络的双目立体匹配算法往往将双目图像对的像素级别特征作为匹配代价进行计算,缺乏将全局特征信息结合到立体匹配算法的能力,导致不适定区域(如弱纹理区域、反光表面、细长结构、视差不连续区域

实际场景中各物体的尺寸差异导致激光三维数据中各物体对应的三维积分区域(SVR)存在差异。在初始帧中,借助于SVR筛选与全局特征匹配完成目标识别,实现对待跟踪目标的自动选取,并且比较四种全局特征描述子的

目录 摘要 . I Abstract . III 插图索引 . V 附表索引 . VII 第 1章绪论 . 1 1.1研究背景和意义 . 1 1.2研究现状 . 2 1.3图像匹配算法的分类 .

针对传统的图像匹配算法特征点不稳定和匹配时间慢的问题，提出了一种改进的尺度不变特征变换（SIFT）图像匹配算法。首先对传统的Harris角点构造高斯多尺度空间，使角点具备多尺度不变性；然后采用Cann

很多大企业采用Hadoop分布式文件系统来存储海量数据，而传统的病毒扫描主要针对单机系统环境。研究如何并行化病毒扫描中的核心特征匹配算法来处理分布式海量数据。在Hadoop平台下，基于MapReduc

针对SIFT（尺度不变特征变换）算法无法准确定位物体形状特征的问题，提出了一种结合了Harris角点和SIFT算法的立体匹配方法。在DOG尺度空间提取Harris算子作为图像的特征点并为每个特征点定义

基于结构特征的指纹细节点匹配算法，吕玉华，李丽娟，提出了一种新的指纹特征匹配方法。首先定位指纹图像的中心点，然后提取细节点，并计算其与中心点的角度差以及到中心点所穿越的脊

这篇论文主要是对FAST和BRISK做了改进 最后还对KAZE算法与sift等进行比较和评估