实现两张图像的SURF特征点匹配；

由于实际场景复杂多变，目标在运动过程中往往会出现形变、遮挡等问题，增加了跟踪的难度。为了解决上述问题，提出一种基于特征点匹配的自适应目标跟踪算法。算法初始化时在选定的目标区域内提取特征点，跟踪过程中通过对前后两帧的特征点进行匹配，计算出目标的位置、尺度和旋转变化，进而实现对目标的跟踪。同时通过对特征点的不断更新，可以使算法具有一定的抗遮挡能力。实验表明，该方法在实际应用中效果很好。

matlab匹配滤波代码basic_vision_corner_matching matlab for Harris角点匹配示例代码。 包括一个中值流过滤器，用于过滤掉错误的匹配项：Delaunay triangulaiton用于查找最近的邻居，任何匹配项都需要2个与其相似的支持匹配项才能被认为是一个很好的匹配项。 比RANSAC更有效。

图像特征点提取与同名像点匹配，文档代码。

针对电气设备同一场景的红外与可见光图像间一致特征难以提取和匹配的问题，提出了一种基于斜率一致性的配准方法。首先通过数学形态学方法分别提取红外与可见光图像的边缘，得到粗边缘图像；然后通过SURF算法提取两幅边缘图像的特征点，根据正确的匹配点对之间斜率一致性的先验知识，进行特征点匹配；最后通过最小二乘法求得仿射变换模型参数并实现两幅图像的配准。实验结果表明，该方法有效提高了匹配点对的正确率，能够对电气设备红外和可见光图像实现高精度的配准。

surf特征点匹配和研究

基于角点匹配的鲁棒图像镶嵌方法.pdf

这是我见过的最详细和易懂的SIFT算法详解，在这里首先感谢该文档的作者。 待有空将整理成自己语言写成博客，期待得到同行指导和相互交流

视频演示：http://www.bilibili996.com/Course?id=1443670000237

冲浪配准数学代码盖姆 这是Toby Collins，Pablo Mesejo和Adrien Bartoli发表于欧洲的同行评议论文“基于图的关键点匹配中的错误分析和建议的解决方案”中Matlab的基于图的仿射不变关键点匹配（GAIM）的Matlab实现。 2014年9月召开的计算机视觉会议。GAIM解决了两个图像的一般基于关键点的图形匹配问题。 它不需要对象的数量，遮挡的数量，图像之间的非刚性运动的数量，背景杂波的数量或对象的拓扑结构（如果例如对象撕裂，状态可能会发生变化）的先验知识。 这是作者的实现。 如果您在工作中使用此代码的任何部分，请引用本文。 最重要的是，我们希望您会发现此代码有用。 基于图的关键点匹配是一个非常困难的计算机视觉问题，尚未完全解决，需要进行不断的研究。 问题包括使用例如SIFT或SURF检测两个图像中的关键点（或特征），然后使用它们的描述符和相邻关键点之间的几何约束来匹配关键点。 解决方案对于几种应用程序非常重要，包括非刚性对象跟踪，配准和非刚性场景理解。 为了使其正常工作，图像中的对象必须具有良好的纹理（以便可以检测到关键点），并且图像不应被噪声，模糊或压缩