【特征匹配】Harris原理与例程

harris算子是一种有效的点特征提取算子有很多优点

计算机视觉局部图像描述子python实现harris角点检测，特征匹配，sift特征检测和匹配，可以直接运行，内附VLFeat工具包sift

Harris算子提取特征点、匹配、提粗匹配程序，（基于opencv）.-Harrisoperatorextractingfeaturepoints,matchingproposedmatchingpr

一种改进的Harris特征点匹配算法，可供学习、研究

使用Harris进行角点检测，并使用ZNCC进行匹配，可用于后续三维重建

Close-range image matching based on Harris corner and SIFT features. kdh

采用Harris角点检测算法进行图像特征检测,采用Sift算法中的特征描述方法进行图像特征描述,之后将图像特征点划分为多对多匹配对,根据特征描述值的支持强度不同建立精确的一对一匹配关系.该算法有效地避

面向对象分类方法是适合于高空间分辨率影像信息提取的技术之一，主要包括最邻近和隶属度函数两种分类方法，具有小样本和高维特征的特点。其中，面向对象隶属度函数的模糊分类更是适合于研究范围较大影像区域。实际应

使用matlab编写的harris角点提取程序。需要自己添加一个main函数，或者在本程序稍微一改就可以了。程序里的border是用来去掉边界的。

准稠密匹配是多视图三维重建的重要技术，其性能对重建结果至关重要。针对常用的SIFT算法提取的种子点进行准稠密匹配正确率较低、重建效果不佳的问题，提出了一种基于尺度不变Harris角点特征的准稠密匹配算