1、实验需求1.构造不小于100张图片的数据集2. 针对数据集，做SIFT特征提取3. 根据SIFT特征提取结果，采用k-means算法学习“视觉词典(visual vocabulary)”，其中维度至少满足4个量级( 比如10,50，100,1000,5000 )4.根据IDF原理，计算每个视觉单词的权5.针对数据库中每张图片的特征集，根据视觉词典进行量化以及TF-IDF解算。每张图片转化成特征

1、实验需求从理论角度，分析以窗口代价计算视差的原理实现NCC 视差匹配方法，即给定左右两张视图，根据NCC计算视差图分析不同窗口值对匹配结果的影响，重点考查那些点（或者哪些类型的点）在不同窗口大小下的匹配精度影响2、语言和平台语言：python2.7.13 （anaconda2）平台：pycharm 2018.23、实验原理极线校正关于几何原理见上一篇博客https://...

sift描述子近年来，提高特征描述点检测与描述有了很大的发展，在下一节我们会看这其中最好的算法之一——SIFT。

图像处理基础1、实验需求以自己的计算智能博客(大头照或生活照)为基础，做完图像处理基础章节内容，并将直方图、高斯滤波、直方图均衡化的结果及基本原理描述放到博客中2、语言和平台语言：python2.7.13 （anaconda2）平台：pycharm 2018.23、图像处理基本原理3.1 灰度直方图灰度直方图反映的是一幅图像中各灰度级像素出现的频率。以灰度级为横坐标，纵坐标为灰度级...