在此代码中，图像是使用 B 样条水平集函数定义的，并使用组合方法对其进行变形。 该计算由使用 B 样条滤波器计算图像的 B 样条系数和梯度的有效算法组成。

针对当前机器视觉热点研究的配准问题，提出了一种全新的快速点特征直方图(FPFH)特征描述与Delaunay三角剖分相结合的三维点云配准方法。首先采用FPFH综合描述特征信息，通过Delaunay三角网建立特征信息的局部关联性；再根据特征点对的对应关系进行采样一致性初始变换，实现初始配准；最后，根据得到的初值采用迭代最近点法进行精确配准，获得精确转换关系。分别对简单目标物体及复杂目标物体进行配准实验。实验结果表明，将FPFH特征描述与Delaunay三角剖分结合引入传统点云配准，简化了特征提取复杂度，缩小了特征点对匹配的搜索范围，提升了配准精度及速度，实现对目标物体高效配准，对提高机器视觉特征点匹配效率具有一定指导作用。

对强噪声且密度不均匀的点云进行高效、高精度配准是一个难题。针对此难题,提出一种基于关键点提取与优化迭代最近点(ICP)的点云配准算法。在粗配准中,将体素格滤波与法向距离关键点的提取相结合,计算关键点的快速点特征直方图以进行特征匹配,然后采用对应关系估计优化随机采样一致性(RANSAC)算法以进行误匹配剔除。在精配准中,采用最优节点优先(BBF)算法搜索k-d tree最近点,设定动态阈值消除误配对,最后利用基于“点到三角面”模型的加速ICP算法计算配准向量。通过对模型点云和建筑物点云进行配准,将所提算法与其他常用的算法进行比较分析。实验表明,所提算法具有良好的稳健性和抗噪性,能显著提升配准速度和配准精度。

参考于：https://blog.csdn.net/hwj_wayne/article/details/104071703

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。

harris特征点 图像配准 对提取的harris角点采用算法进行图像的配准

使用微分纯对数恶魔算法进行 2D 和 3D 图像配准的简单 matlab 代码提供代码以帮助理解Demons算法 - 欢迎任何评论或改进

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

Springer出的书都不会差。这本主要各图像配准的各种方法。个人觉得内容比较细致。

了解决传统SuRF算法存在的问题，提高彩色图像配准的精度和准确率，提出一种双向邻近匹配的彩色图像配 准算法。该算法对传统的suRF描述符进行改进，将图像的色彩信息叠加在只包含灰度信息的传统suRF特征描述符 上，组成改进的suRF特征描述符，以增强彩色信息对配准的影响，提高配准的准确率；采用FLANN算法搜索匹配点对， 并对匹配点对进行双向邻近匹配，以提高搜索效率和匹配精度；利用改进RANsAc算法剔除匹配错误的特征点对，以进 一步优化匹配结果。实验结果表明，该算法能够有效地提高彩色图像配准的精度和准确率，具有较好的鲁棒性和图像变 换适应性。