该资源主要是对目标检测识别与跟踪项目源码的补充，包括了未集成到软件平台中的5种算法以及两个视频文件（利用60多万的光电吊舱采集的红外和可见光），分成两个文件主要是因为（CSDN平台抽4层的利润，我太亏了；以及文件比较大没法和前一个文件一起上传，平台上传上限为1000M）！

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。

RIFT-multimodal-image-matching-main.zip

这个是经典的点云配准算法，可以正常运行，简洁易懂。

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