基于图像金字塔的空间SIFT特征提取

两个 MATLAB 代码文件助力图像特征分析。关键点检测程序'' 用于提取图像的 SIFT 关键点及其描述符。imagekeypointsmatchingprogram'' 支持用户调节图像属性（如强度、旋转度等），进而验证代码的鲁棒性，并通过关键点位置匹配计算不同图像间关键点匹配的百分比。用户可根据命令窗口提示选择图像和属性。

本项目基于MATLAB实现了空间金字塔匹配算法用于场景分类，该项目完成于CSE573计算机视觉与图像处理课程。系统使用“词袋”模型及其“空间金字塔扩展”方法，将输入图像分类为8种场景类别，包括：艺术画廊、计算机房、花园、溜冰场、图书馆、山脉、海洋和庭院。 系统使用来自上述8个场景的1600张图像进行训练，并在160张测试图像上达到了48.125%的整体分类精度。MATLAB代码位于代码文件夹，测试和训练数据位于数据文件夹。

这是我从PUDN下载的MATLAB程序，稍作修改后分享给大家。SIFT特征提取在图像拼接中起到重要作用，适合需要高精度拼接的应用场景。

这是用Python编写的生成5级高斯金字塔和拉普拉斯金字塔的代码。通过连接这些图像来显示金字塔结构。尽管当前在OpenCV中无法直接显示金字塔图像，这段代码提供了一个可行的方法，并支持图像的2D FFT进行空间频率分析。

金字塔算法要求输入数据向量的长度必须为 2 的整数次幂。如果长度不满足要求，可以通过在数据向量末尾添加 0 来扩展向量长度（最终长度 L 等于 2 的幂次方）。 金字塔算法的每个变换都包含两个函数。第一个函数用于数据平滑，例如求和或加权平均。第二个函数执行加权差分，用于提取数据的细节特征。这两个函数作用于数据向量 X 中的数据点对 (x2i, x2i+1)。 每一次变换都会生成两个长度为 L/2 的新数据集，分别代表输入数据的平滑版本（低频信息）和细节版本（高频信息）。这两个函数递归地作用于新生成的数据集，直到最终数据集的长度为 2。 最终迭代得到的所有数据集中选择的值，构成了数据变换的小波系数。

该matlab函数能够将输入图像按照指定层级进行金字塔分解。

DeepPyramid DPM是我们CVPR 2015论文的代码，由Ross Girshick等人开发。该代码实现了可变形零件模型（DPM）在深特征金字塔的顶部，并利用潜在SVM进行训练。这一工作在技术进步的推动下完成，作者包括Ross Girshick、Forrest Iandola、Trevor Darrell和Jitendra Malik，他们提出了深度学习模型与可变形部件模型的融合理念。Deep Pyramid DPM使用MIT许可证发布。

提供了ICCV 2017年会上关于PyraNet用于人体姿势估计的培训和测试Matlab代码。感谢杨伟、李爽、欧阳万里、李洪生和王小刚的贡献。安装依赖项：luarocks install hdf5、luarocks install matio、luarocks install optnet（可选）、luarocks install nccl（建议用于多GPU训练）。确保在使用多GPU训练时设置LD_LIBRARY_PATH以指向libnccl.so文件。数据集准备：创建符号链接指向MPII数据集的图像目录：ln -s PATH_TO_MPII_IMAGES_DIR data/mpii/images；创建符号链接指向LSP数据集的图像目录：ln -s PATH_TO_LSP_DIR data。

matlab开发-高斯金字塔平面图。创建图像金字塔并进行重建。