算法流程 1、随机初始化一个4096行8列的矩阵W和一个8行64列的矩阵H，设定误差阈值[公式]和迭代轮数[公式] 2、按照上述的乘法更新规则更新（即(1)和(2)式）W和H矩阵，迭代进行第二步 3、输出W矩阵，W矩阵的每一列即为一个特征，即对应的一个数字。将每一列重新展开为一个64*64的矩阵，转置后绘制出来，可看到对应的8个数字，得到结果如下图（1000轮迭代，大约9秒完成）。可看出非负矩阵分解可以很好地将原图中的特征提取出来。

图像特征提取算法matlab仿真，包括LBP特征LDP特征LOOP特征等。matlab2021a运行测试

很不错的目标识别技术，特征提取很好.改程序是提取图像特征的核心程序。你值得拥有~

主要介绍了python实现图片处理和特征提取详解，文中向大家分享了Python导入图片，将图像转化为二维矩阵，模糊化图片等Python对图像的操作，具有一定参考价值，需要的朋友可以了解下。

这个多媒体检索课程的ppt，主要介绍了主流的状态特征，报告sift，gist，shape context ，LBP等

这是一个相当完整的指纹特征提取系统，里面包含了大量的指纹图像预处理算法：包括指纹图像的方向场和频率场的求取，指纹图像的分割、去噪、增强、细化，最后提取出指纹图像的特征点。指纹图像预处理部分的源代码包含在FP这个文件夹里面。具体运行方法：在sampledemo这个文件夹里面的DEBUG文件里面有一个可执行文件，可以直接使用 PS:本系统只能处理256*360的灰度指纹图像，对这个系统有什么明白的地方可以发消息给我。

该压缩包在matlab2013a中运行并实现图像的特征提取，包含四大类经典特征提取方法：SIFT特征，颜色特征，形状特征，纹理特征。每个方法文件夹内附有文档说明。最后我给出了同步PPT解说，包含原理，步骤，及运行实例和结果。

Sift尺度不变特征变换（Scale-invariant feature transform）图像特征提取，Step1：构建金字塔模型-对于各组图像而言，不同层采用不同高斯核函数进行滤波模糊化，各组所用sigma相同。Step2：高斯差分模型，两个高斯模型的差。Step3：计算关键节点。Step4：关键点定位---相位信息。Step5：关键点特征。

imagenet-googlenet-dag网络测试代码，将编译好的matconvnet-25放进去之后可以直接调用运行，且已经放进googlenet_dag模型

人脸图像特征提取matlab代码LESH（基于局部能量的形状直方图）特征提取 用法： lesh_vect = calc_LESH（im）; 输入： im =图片或本地补丁 输出： lesh_vect = LESH特征向量（图像/补丁的16个分区为128维，而64个分区为512维。（请参阅FeatureParam.m） 适用于任何大小（最好是正方形）的图像或补丁。 对于大小大于64x64的图像，建议的分区大小w为8（512像素矢量）。 在大小为32x32的补丁中，分区大小应更改为4（以产生128个暗淡矢量） 有许多参数可以针对不同的应用进行调整。 可以对FeatureParam.m文件进行修改以更改例如GABOR过滤器的比例数和方向。 可以更改部分大小以产生更长的向量，反之亦然，更多的粗糙部分或更多的精细部分可能会影响特征向量的区分质量。 推荐的设置为8x8（64）分区大小（512维矢量），并为GABOR滤波器组设置5个比例和8个方向。 请注意： 此更新的优化版本不包括本文所述的高斯加权。 通过当前的优化，我们发现它对一般形状的描述效果更好。 致谢：该代码使用了Peter kovesi