基于surf算法的图像匹配

基于opencv的图像匹配程序，可达到亚象素

利用SURF算法进行特征点匹配的vc++程序，适用于目标识别、定位等图像处理相关应用中，匹配成功率高，尤其是当识别目标较复杂时具有很好的识别效果。

基于分层算法立体图像匹配.pdf

主要讲述SAR图像景象匹配的算法流程及现有的匹配算法

传统的SURF算法对仿射变化较大的图像配准效果差。为此,提出了一种仿射-加速鲁棒性特征(Affine-SURF)的图像配准算法,通过增加经度角和纬度角不变特征引入仿射形变参数来模拟图像在不同角度的变形

针对目标在移动过程中实时视觉图像特征点提取与配准的不稳定性,提出一种多算法融合的改进配准方法。首先,采用双边滤波、Canny边缘检测及形态学处理方法得到具有较强顽健性特征的边缘周边检测区域并基于离散G

基于MFC的图像拼接（sift、surf、ORB、ferns算法）人脸检测，在releasex64下。点击exe即可运行

这个是关于SURF算法实现的源代码，可以看看的

提出融合梯度幅值(GM)和梯度发生率(GO)的新方法,构建了两种具有高分辨能力的新描述符。抑制归一化描述符通过对GM进行分段归一化,抑制较小的GM以构建新描述符;GM-GO融合描述符是通过抑制部分GO

对于边界显著的图像,用二值图像代替灰度图像进行SIFT特征匹配,节约了运行时间。同时在SIFT算法中用128维的特征描述子进行特征描述影响了算法的实时性,用欧氏距离进行匹配对算法的准确性有一定的影响。