排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
基于KAZE人脸图像匹配算法是通过加性算子分裂算法来进行非线性扩散滤波,从而解决高斯分解带来的边界模糊和细节丢失问题. 利用任意步长构造稳定的非线性尺度空间,寻找不同尺度归一化后的Hessian局部极大值点来实现特征点的检测,采用M-SURF来描述特征点,从而构造特征描述向量. 在VS2010和Opencv环境下分别对KAZE特征和SIFT特征实现人脸图像的匹配. 通过改变输入人脸图像的模糊度,旋转角度,尺度大小,亮度变化结合Matlab对KAZE,SIFT,SURF进行进一步的性能仿真实验. 实验结果表明,即使在高斯模糊,角度旋转,尺度变换和亮度变化等情况下依然保持良好的性能. 相似文献
1