描述： 这是一个仿射 Lucas Kanade 模板跟踪器，它在电影帧之间执行模板跟踪。 例如，跟踪汽车、移动冠状动脉或测量相机旋转。 编写 Matlab 代码以显示与文献中相同的步骤，未针对速度进行优化。 但还包括用于快速模板跟踪的 c 代码中的逆 Lucas Kanada 算法，该算法还包含像素加权以提高鲁棒性。 文学： S. 贝克等人。 “Lucas-Kanade 20 年：一个统一的框架” D. Schreiber，“具有漂移校正的稳健模板跟踪” 演示： 试试 TTdemo.m，看截图！ 提示： 您可以轻松地将模板跟踪 TTdemo 调整为您自己的应用程序，例如： - 使用下一个电影帧中发现的新 ROI 中的图像数据更新模板。 - 将下一个电影帧中的 ROI 也用作模板。 - 根据电影帧之间仿射参数的差异计算速度。 速度可用于检测跟踪是否失败，或平滑跟踪，或预测下一个模

常规仿射投影算法(APA)收敛较快，但计算复杂度高。集员仿射投影算法(SM.AP)具有独特的数据选择更新特性，可有效降低算法的执行复杂度，但由于采用标量误差，收敛较慢。本文把集员滤波的时变步长引入到常规的仿射投影算法中得到一种新的基于集员滤波的变步长仿射投影(VS-APA-SM)算法。与集员仿射投影算法(SM-AP)相比，该算法使用矢量误差，因此收敛速度更快，并具备了集员滤波(SMF)的数据选择更新特性。同时，该算法的性能通过系统辨识和回声对消的实验得到了验证。

变步长仿射自适应滤波器（VSS-APA）和集员仿射自适应滤波器（SM-APA-U）的MATLAB代码 里面包含两个自适应滤波器的性能分析和评价指标

matlab仿射变换代码这个存储库（将）提供几种地图同步算法的实现，这些算法在一组形状中计算地图。 该代码是在 MIT 许可下发布的，可以用于任何目的并具有适当的署名。 该代码随附以下论文，应在使用所提供模块的出版物中引用： 文件夹 'io' 提供了用于以波前 obj 格式保存和加载形状的 matlab 代码 文件夹“manmade_align”实现了中描述的联合对齐方法 “大形状集合的细粒度半监督标记”，Qixing Huang、Hao Su 和 Leonidas Guibas。 SIGGRAPH 亚洲' 13。 它将一组相同类别的形状作为输入，并将它们在公共空间中对齐。 假定形状已给出直立方向。 文件夹 data/ 中提供了两个示例数据集（100 把椅子和 100 辆汽车） 代码分两步进行。 第一步优化仿射变换以对齐所有输入形状。 第二个优化无变形以对齐输入形状。 % Step I Shapes_aff = man_made_joint_affine_main(Shapes_in, Para_align); % 第二步 Shapes_ffd = man_made_joint_ffd

基于仿射变换的数字图象置乱技术 MATLAB源程序代码.7z

冲浪配准数学代码盖姆 这是Toby Collins，Pablo Mesejo和Adrien Bartoli发表于欧洲的同行评议论文“基于图的关键点匹配中的错误分析和建议的解决方案”中Matlab的基于图的仿射不变关键点匹配（GAIM）的Matlab实现。 2014年9月召开的计算机视觉会议。GAIM解决了两个图像的一般基于关键点的图形匹配问题。 它不需要对象的数量，遮挡的数量，图像之间的非刚性运动的数量，背景杂波的数量或对象的拓扑结构（如果例如对象撕裂，状态可能会发生变化）的先验知识。 这是作者的实现。 如果您在工作中使用此代码的任何部分，请引用本文。 最重要的是，我们希望您会发现此代码有用。 基于图的关键点匹配是一个非常困难的计算机视觉问题，尚未完全解决，需要进行不断的研究。 问题包括使用例如SIFT或SURF检测两个图像中的关键点（或特征），然后使用它们的描述符和相邻关键点之间的几何约束来匹配关键点。 解决方案对于几种应用程序非常重要，包括非刚性对象跟踪，配准和非刚性场景理解。 为了使其正常工作，图像中的对象必须具有良好的纹理（以便可以检测到关键点），并且图像不应被噪声，模糊或压缩

在许多三维人脸应用中,人脸姿态校正是数据预处理过程中的重要一步.针对三维人脸顶点法向量的分布特性,提出一种基于鼻子区域检测的三维人脸姿态自动化校正方法.首先,对三维人脸顶点法向量进行无监督聚类,将具有相似属性的三维人脸顶点聚集到一类;然后提出一种基于无向图的三维人脸分割算法,将三维人脸分割成为若干区域,每个区域使用平均自旋图描述;再使用支持向量机分类器挑选鼻子区域,并根据模板三维人脸的姿态,对输入人脸进行三维仿射变换;最后通过迭代最近点算法获得精确的姿态校正结果.实验结果表明,该方法优于已有方法.

matlab如何敲代码从图像中恢复仿射和度量属性 仿射校正： 在此任务中，我们找到了可以对图像进行仿射校正的变换，一旦找到，便应用该变换来扭曲所需的图像。 整个想法是找到这样的变换，使得无穷大I，e，[0 0 1] T处的线被映射回到其在世界平面中的原始位置。 校正后，所有仿射属性都可以在输出图像中看到，几乎没有这样的属性是保留点，直线和平面，因此在世界平面上平行的所有平行线集合在图像中也保持平行。 它可能不必保留相对于一对线的角度或相对于给定点对的距离，但可以保留成像的距离和角度与世界距离和角度的比率。 ＃＃＃算法： 首先，我们尝试在成像平面上找到一对平行线，以找到无穷远处的线。 由于无穷远处的线从其规范位置移动到成像平面上的有限位置，因此第一步将使该线回到其原始规范位置。 可以注意到，由于我们保留了18的位置，因此可以在第三平面上测量上图中显示的第一平面的仿射特性。 现在，我们找到了将l1变换为其规范位置[0 0 1] T的投影变换矩阵 找到后，我们可以将此变换应用于图像的每个点，以仿射校正整个图像。 ＃＃＃结论： 尽管仿射校正可能不允许我们执行某些基本的查看操作，但是该算法在纠正

compare_run.m 是主文件。 此代码调用三个函数 - a) apsa.m 和 b)eff_apsa.mc)lms.m。 它计算函数在不同 N 上执行所花费的时间。 它绘制了两个函数在不同 N 上所用的时间。 这里 L 固定为 5。系统函数是预定义的。 绘图显示 Eff_apsa 算法如果比 apsa 算法有效。 随着 N 的增加，计算时间的差异也会增加

数值图像处理之刚性变换匹配源代码（opencv），很经典的一个算法。仿射匹配只需稍加改进即可