压缩包中包含sift和surf的图像配准，先用sift或者surf特征提取，然后进行特征匹配，最后还用RANSAC进行误匹配剔除。sift是在Lowe官网源码上进行更改，surf直接使用MATLAB自带函数detectSURFFeatures()。

matlab代码粒子群算法创建此存储库是为了进行其他调试和实现对粒子群优化（PSO）算法的支持。 当前，该代码已针对CUDA进行了优化，并且粒子群优化方法已添加到注册选项中。 Autoscoper 2是由。 为了简化安装和编译，将构建系统更改为CMake，并将UI切换为QT5。 与原始版本相比，版本2改进了处理，若干错误修正和新功能，例如多骨，批处理。 Autoscoper v2.7安装程序 可以找到Autoscoper 2.7.1的安装程序。 您需要安装，并更新您的图形卡驱动程序才能运行该应用程序。 编译说明 视窗 先决条件 或者 更新您的显卡驱动程序 建造 克隆。 运行CMake并选择Autoscoper的源和构建文件夹，然后单击“配置”。 在Windows上，选择已安装的Visual Studio版本的64位版本。 将自动安装对tiff和glew的依赖关系，并自动找到其他依赖关系。 默认情况下，它将使用CUDA。 您收到Qt5_DIR错误。 选择以下路径$ QT_ROOT_PATH \ msvc2017_64 \ lib \ CMake \ Qt5（例如C：\ Qt5 \ 5.1

分岔结构由一个主分岔点及其三个相连的相邻点组成。 每个分叉结构的特征向量由归一化的分支角度和长度组成，它对平移、旋转、缩放甚至适度的失真是不变的。 只要可以分割脉管系统模式，这可以大大减少匹配过程的不适定性质。

【图像配准】基于互相关图像配准matlab源码含GUI.md

使用c#调用emgu编写的配准程序。

图像配准、特征检测源代码，是基于surf算法编写的。

针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题,提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对;然后根据典型相关成分的线性关系拟合直线,利用点到直线的距离剔除大部分误匹配点对;对剩余的匹配点对,逐一分析其对典型相关成分的共线性的影响,剔除影响程度大的特征点对。实验结果表明,该方法能够在剔除误匹配的同时保留更多的正确匹配,提高了图像配准的精度。

此思维导图为本人目前阅读的2019-2021年关键词为RANSAC的部分关于图像配准的论文小结，侵权删，如若发现问题请联系本人进行修改QQ:977043768，感谢

【图像配准】基于Horn-Schunck和Lucas-Kanade等光流场实现图像配准matlab源码含GUI界面.md

算法实现了图像的最大特征点配准。稳定性好，质量高