1) seale invariant feature transform
尺度恒定特征变换
1.
This paper introduces seale invariant feature transform (SIFT) algorithm into ICF target monitoring domain and implements an on-line target monitoring method based on SIFT features matching.
将尺度恒定特征变换(SIFT)算法引入到ICF靶监测领域,实现一种基于SIFT特征匹配的ICF用靶在线监测方法,实验表明采用该方法对靶位姿的监测精度可达到平移精度优于6μm,转角精度优于0。
3) 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。
4) 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。
5) Scale invariant feature transformation (SIFT)
尺度不变特征变换法
6) SIFT
[英][sɪft] [美][sɪft]
尺度不变性特征变换
1.
In order to achieve robust tracking of an infrared target during terminal guidance,a new approach based on Scale Invariant Feature Transform (SIFT) is proposed.
尺度不变性特征变换所提取的图像纹理特征具有尺度和旋转不变性,跟踪算法分别提取目标模板和待跟踪图像的尺度不变特征变换特征。
补充资料：拉伸特征
拉伸特征Pro/E设计中，使用最多的一个建模特征，它由截面轮廓草图经过拉伸而成，适合于构建等截面的实体特征。
本讲制作如图12-1所示的轴端零件。通过使用拉伸特征，制作一个轴端零件的实例，使读者熟悉拉伸特征的建模步骤，掌握在拉伸特征中常用的命令及技巧。
主要包括以下内容：
v 制作一个轴端零件；
v 相关面板数说明。
本讲制作如图12-1所示的轴端零件。通过使用拉伸特征，制作一个轴端零件的实例，使读者熟悉拉伸特征的建模步骤，掌握在拉伸特征中常用的命令及技巧。
主要包括以下内容：
v 制作一个轴端零件；
v 相关面板数说明。
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