说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 特征点提取
1)  feature point extraction
特征点提取
1.
Based on the present realizing method of thinning and feature point extraction,an improved thinning algorithm based on groups and a far inflection-point method was proposed.
基于目前细化和特征点提取的实现方法,提出了改进的分组细化方法和远端拐点法。
2.
This vision system consists of customized software and off-the-shelf hardware that perform image processing, segmentation, feature point extraction, target recognition, camera pan/tilt control, and motion estimation.
本文重点对机器视觉助降系统的实时图像预处理、图像特征点提取、无人机定位算法进行了研究。
3.
A new algorithm about image registration is presented,which has combined feature point extraction and edge extraction,and has acquired main information of images.
提出了一种新的基于几何特征的图像配准算法,将特征点提取和边缘提取的方法相结合,有效的获得了图像的主要信息。
2)  feature points extraction
特征点提取
1.
In the part of feature points extraction, the Harris corner extraction algorithms and SUSAN corner extraction algorithms have been analyzed , the feature points extraction algorithms of Scale Invariant Feature Transform has been studied in detail, and a large number of experiments show that SIFT feature points extraction has high detection efficiency.
本文主要对双目立体视觉检测技术的CCD相机标定、特征点提取和特征点匹配等内容做了详尽地研究。
3)  feature extraction
特征点提取
1.
And the effects of the feature extraction are greatly influenced by the quality of the image.
特征点提取的效果很大程度上取决于图像的质量。
2.
The experiment proves that it is at high speed in the course of feature extraction and image registration.
实验的结果表明,在无旋转条件下的刚体图像配准中,该算法在特征点提取和图像配准过程中速度比较快。
4)  minutiae extraction
特征点提取
5)  feature point detection
特征点提取
1.
Color-based SIFT feature point detection and matching;
基于彩色的SIFT特征点提取与匹配
6)  extract minutiae
提取特征点
补充资料:特征提取

  
  特征提取
  feature extraction

  t6Zheng tiqu特征提取(featu了eextraction)特征选择与提取的通称。特征选择和提取是模式识别的关键环节,其任务是压缩存在于表示模式的原始测量数据中的冗余和无关的信息,提取一组对分类最有效的特征参数,以减少计算工作量,提高分类器的性能。特征参数可以从输人模式信息中选出一个子集构成,这一过程称为特征选择。新的特征参数也可以通过降维变换获得,即将输人模式从较高维数的测量空间变换到较低维数的特征空间,以一个低维特征向量表示输人模式,这一过程称为特征提取。 由于特征提取的任务是求出一组对分类最有效的特征,因此首先需要一个能定量评估特征有效性的准则。分类器的误识概率可作为理想的准则,但由于估计误识概率的分布非常困难,实用时往往以其他一些准则代替。常用的准则有:基于概率距离的准则,基于类间距离的准则,基于墒函数的准则等。应用上述准则,可以通过分支定界和顺序搜索等优化算法,求得一个最优的或次优的特征集。近年来基于人工智能的启发式算法也在特征选择中得到应用。在进行降维变换以实现特征提取时,考虑到可分析性和计算可行性,一般采用线性变换方法,.最常用的是以K一L扩展为基础的线性变换。(黄泰冀)
  
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