|
| 类 | AffineFeature2D |
| | 实现关键点仿射自适应的类。 更多...
|
| |
| 类 | BEBLID |
| | 实现 BEBLID (Boosted Efficient Binary Local Image Descriptor) 类的类,如 [259] 中所述。 更多...
|
| |
| 类 | BoostDesc |
| | 实现 BoostDesc (Learning Image Descriptors with Boosting) 类的类,如 [264] 和 [265] 中所述。 更多...
|
| |
| 类 | BriefDescriptorExtractor |
| | 用于计算 [48] 中描述的 BRIEF 描述子的类。 更多...
|
| |
| 类 | DAISY |
| | 实现 DAISY 描述子的类,如 [273] 中所述。 更多...
|
| |
| 类 | Elliptic_KeyPoint |
| | 兴趣点周围的椭圆区域。 更多...
|
| |
| 类 | FREAK |
| | 实现 FREAK (Fast Retina Keypoint) 关键点描述符的类,如 [9] 中所述。 更多...
|
| |
| 类 | HarrisLaplaceFeatureDetector |
| | 实现 Harris-Laplace 特征检测器的类,如 [195] 中所述。 更多...
|
| |
| 类 | LATCH |
| |
| 类 | LUCID |
| | 实现局部一致比较图像描述子的类,如 [323] 中所述。 更多...
|
| |
| 类 | MSDDetector |
| | 实现 MSD (Maximal Self-Dissimilarity) 关键点检测器的类,如 [274] 中所述。 更多...
|
| |
| 类 | PCTSignatures |
| | 实现 PCT (position-color-texture) 签名提取的类,如 [154] 中所述。 该算法分为特征采样器和聚类器。 特征采样器在给定的坐标集处生成样本。 然后,聚类器使用 k-means 算法生成这些样本的聚类。 结果得到的聚类集是输入图像的签名。 更多...
|
| |
| 类 | PCTSignaturesSQFD |
| | 实现签名二次型距离 (SQFD) 的类。 更多...
|
| |
| 类 | StarDetector |
| | 该类实现了 [2] 引入的关键点检测器,是 StarDetector 的同义词。 : 更多...
|
| |
| 类 | SURF |
| | 用于从图像 [21] 中提取加速稳健特征的类。 更多...
|
| |
| 类 | TBMR |
| | 实现基于树的 Morse 区域 (TBMR) 的类,如 [309] 中所述,并扩展了缩放提取能力。 更多...
|
| |
| 类 | TEBLID |
| | 实现 TEBLID (Triplet-based Efficient Binary Local Image Descriptor) 类的类,如 [260] 中所述。 更多...
|
| |
| 类 | VGG |
| | 实现 VGG (Oxford Visual Geometry Group) 描述子的类,该描述子使用“使用凸优化的描述子学习”(DLCO) 设备端到端训练,如 [249] 中所述。 更多...
|
| |