用于两个图像的拼接，也可以用于多个图像的拼接，每次拼接两张图像，在将拼接后的图像与另一张图像进行拼接，拼接图像必须有重叠部分

对于计算机视觉的初学者，在项目学习中通常进行源代码的学习，本次代码是sift通过vs2010编译器进行的部分测试。

SIFT特征匹配算法-SIFT.rar SIFT：Scale Invariant Feature Transform SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点，其匹配能力较强，可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。 附件中有SIFT原文、中文文献。

针对运动目标在普通镜头下跟踪视角小,以及在复杂背景下容易丢失的问题,提出了一种基于鱼眼镜头的改进Mean-shift算法。首先通过SIFT算法提取运动目标初始帧,利用卡尔曼滤波算法预测下一帧运动目标位置,进而采用改进的Mean-shift算法进行运动目标的跟踪。实验结果表明利用鱼眼镜头配合本文改进的Mean-shift算法具有良好的跟踪效果,与传统的跟踪方法相比具有大广角、实时性、鲁棒性、准确性等特点。

通过sift实现了大目标的检测，camshift（注释详细）实现了小目标的检测，程序和论文还有可执行文件一起上传

改进的SIFT自动寻找特征点，自动配准算法，具有仿射、旋转和尺度不变特性！C++程序，VS2012编译通过，可直接使用！之前发布的vs2010版本由于路径采用了绝对路径没有留意导致调试不同，深表歉意，调试不通的童鞋请下载此版本！

sift算法的VC++实现。从收费网上下载的，呵呵，转到这里了。

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()。

图像矩阵matlab代码使用RANSAC进行基本矩阵估计 在这个项目中，我们增加了Matlab代码来估算相机校准，特别是估算相机投影矩阵和基本矩阵。 我们已经对相机投影矩阵进行了精确的估计，并且基本矩阵都可以使用两幅图像上对极线相关的点对应关系进行估计。 我们已经使用线性回归来估计矩阵。 我们将RANSAC与基本矩阵结合使用来处理离群值。 该代码使用Matlab库vlfeat。 vlfeat未包含在提交中。 用户必须从中下载vlfeat才能成功运行该项目。 为了获得更好的性能，已对匹配的兴趣点执行了归一化，以进行基本矩阵估计。 名为Normalized_estimate_fundamental_matrix的函数可实现此目的。 函数Estimate_fundamental_matrix实现基本矩阵的估计，而无需对匹配点进行归一化。 要实现Normalized_estimate_fundamental_matrix，请取消注释proj3_part2.m中的函数调用，并注释掉对Estimate_fundamental_matrix的函数调用。 要实现estimate_fundamental

改进的SIFT结合余弦相似度的人脸匹配算法