基于深空探测图像的EMD-SIFT图像配准方法，尹孟征，吴雪晨，本文提出了一种基于小行星图像序列的尺度不变特征配准方法，该方法包括应用经验模态分解方法（EMD）从图像序列中提取特征，再通过

Matlab三维图像代码SIFT3D 版权所有（c）2015-2019 Blaine Rister等，有关详细信息，请参阅LICENSE。 SIFT3D是三维图像的尺度不变特征变换（SIFT）的类似物。 它利用体积数据和真实单位来检测关键点并提取其内容的可靠描述。 它还可以通过匹配SIFT3D功能并使用RANSAC算法拟合几何变换来执行3D图像配准。 所有这些都在带有Matlab包装器的跨平台C库中实现。 SIFT3D包含imutil，它是用于图像处理和线性代数的实用程序库。 该库以各种医学成像格式执行文件IO，包括DICOM和NIFTI。 内容 此代码创建以下可执行文件： kpSift3D-从单个图像中提取关键点和描述符。 regSift3D-从两个图像中提取匹配项和几何变换。 和以下库： libreg.so-通过SIFT3D功能注册图像 libsift3d.so-提取并匹配SIFT3D功能 libimutil.so-用于图像处理，回归和线性代数的实用程序库。 包括用于DICOM和NIFTI文件格式的IO功能。 它还包含一个Matlab工具箱，用于从Matlab脚本中调用库函数。 有

很好的3D SIFT 特征代码。用于特征提取，特征匹配

很难找到的真正的空间三维图像的SIFT算法，而不是三维立体图的SIFT，包含关键点的特征提取部分，不包含前段多尺度高斯变换提取关键点部分。参考文献A 3-dimensional sift descriptor and its application to action recognition

此函数绘制两个图像之间的对应点。 它在匹配特征点的可视化调试中非常有用（至少对我而言），例如 SURF 或 SIFT 特征。 h = match_plot(img1,img2,points1,points2) 点 1 = [x1 y1; x2 y2; ...] = img1 中的对应点点 2 = [x1 y1; x2 y2; ...] = img2 中的对应点 原点是图像的左上角x 轴指向右侧，y 轴指向下方。 点 2 必须与点 1 的大小相同。 如果两张图片的尺寸不同，则较小的一张会被重新缩放。 对应的线以不同的颜色绘制，从红色到蓝色彩虹秩序。 返回图形句柄对象 h。

使用 OpenCV 和 Python 检测两个图像的相似程度 基于SIFT算法，包括代码和数据

sift图像匹配的纯matlab代码，研究图像配准的可以用这个。从特征提取到特征点的匹配都有相关的函数，大家可以根据自己的实际情况修改使用。

图像配准中估计出的Flow场的可视化，与FlowNet以及SIFT Flow文章的可视化策略相同

SIFT算法详解PPT，可直接用于演示，适合图形图像的初学者

有关图像拼接处理的C++算法。图像拼接的步骤 对每幅图进行特征点提取——对特征点进行匹配——进行图像配准——把图像拷贝到另一幅图像的特定位置——对重叠边界进行特殊处理。 第一步就是特征点提取。现在CV领域有很多特征点的定义，比如sift、surf、harris角点、ORB都是很有名的特征因子，都可以用来做图像拼接的工作，他们各有优势。 用SIFT算法来实现图像拼接是很常用的方法，但是因为SIFT计算量很大，所以在速度要求很高的场合下不再适用。所以，它的改进方法SURF因为在速度方面有了明显的提高（速度是SIFT的3倍），所以在图像拼接领域还是大有作为。虽说SURF精确度和稳定性不及SIFT，但是其综合能力还是优越一些。