基于 matlab的Harris 的角点特征检测，角点是图像中一个重要的局部特征，决定了图像中关键区域的形状，体现了图像中重要的特征信号，在目标识别、图像匹配、图像重构等方面有十分重要的意义

高斯投影java源码介绍 Pandora 是一个用 Java 编写的开源计算机视觉库，并在 MIT 许可下发布。 此存储库中包含源代码和其他实用程序。 本文档仅包含项目结构的简短摘要以及有关如何构建和使用该软件的一些教程。 有关项目、变更日志和问题的更多最新信息，请查看以下链接。 Pandora 作为计算机视觉库可用于任何关注信息检索的项目，尤其是基于内容的图像检索和视觉内容相似性，在这些项目中，您必须解决诸如在给定查询图像和图像数据集的情况下搜索相似图像等问题。 它提供了一组各种功能，例如， 图像特征提取， 随机排列抽样， 聚类单个和多个视觉词汇， 本地描述符上的固定大小向量聚合， 降维， 投影空间分析， 对大图像数据集进行批处理， 它们是使用各种最先进的方法或作为其他开源库（如 、 和 . 在图像特征提取中，它提供了各种全局特征检测器，如 CEDD、Scalable Color、Edge Histogram、Tamura、Color Histogram、HOG、PHOG 以及一些局部特征检测器，如 SURF、Color SURF、SIFT、Dense SIFT、Fast SIFT、

特征检测和特征匹配方法介绍，包括Harris角点，FAST角点，SIFT算法、SURF算法等的介绍以及各个算法之间的比较和总结

只看不练假把式。此 SIFT 特征检测源码 400+行，你可以挖掘到很多实现细节，甚至资料中找不到细节，或者是看文章看不懂的地方，值要细细研究代码，你就能恍然大悟。

3种边缘检测算法+2种角点检测。GUI操作方便，亲编实测，绝对可用。

角点特征检测

认知无线电技术通过次级用户动态接入空闲频谱来提高空闲频谱资源的利用效率，是认知无线电的重要环节。在低信噪比环境下，如何快速精确地进行频谱感知是频谱感知面临的重大挑战。提出了一种基于小波降噪的压缩感知—循环平稳特征检测器来实现低信噪比环境下的频谱检测。采用压缩感知技术提高了频谱感知的效率，并进一步利用小波变换技术降低了压缩感知过程中引入的压缩噪声，提高了低信噪比环境下的频谱感知准确度。仿真结果证明，提出的基于小波降噪的压缩感知技术能够实现低信噪比环境下的频谱空洞检测。

数字图像处理：SIFT算法与HOG算法特征检测.ppt

深度学习机器学习图像处理的matlab源代码--基于 Harris 的角点特征检测应用案例研究

货架牌面检测系统，通过神经网络目标检测、OCR、特征检测与比对算法，实现商品的识别和盘点.zip