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。

这是一种通用的多模态遥感图像匹配框架。该框架可以利用各种特征描述符如HOG、LSS、CFOG、各种梯度信息，相位信息，边缘信息等构建逐像素的三维特征表达图（不对具体特征进行限定），然后利用各种相似性测度如相关系数，灰度差平方和，欧式距离、互信息和相位相关等进行模板匹配（不对具体相似性测度进行限定），考虑到计算效率问题，我们推荐使用基于FFT的互相关做相似性测度。

综合图像处理和自动化控制等领域的技术,将软硬件处理相结合,成功的解决了标志点自动识别和匹配的难题。使计算机辅助测量工作更加快速、精确、可靠。研究成果能极大地扩大计算机辅助测量应用领域。

实现模板匹配算法，在待测图像中寻找模板区域，计算中心点，角度。模板和待检测图像中的ROI区域大小不一致，光照不一致。识别率100%。抗干扰能力强。是个非常好的例子。

基于目标轮廓的图像匹配，首先需要能够较为准确提取目标的轮廓。能够抗一定的光照影响，遮挡影响，耗时比传统图像的模板匹配快。如果需要旋转角度的话，可以使用二分法或者每隔一定角度重复调用。 该代码是基于opencv2的，可以很方便的修改成opencv3

用SURF算法检测特征点，再用ORB算法去匹配

我图像处理课程设计做的金字塔模板匹配，极具商业价值，希望对整个中国的同行们有所帮助

科技的快速发展使汽车成为现代社会的重要代步工具,促生了新一代的智能交通系统,车牌识别技术作为智能交通的基石,为交通管理提供了技术支撑,使人们的驾车出行更为方便快捷。将车牌识别与计算机软件相结合,在MATLAB平台下,运用数字图像处理技术,对采集到的车辆图像进行相关操作,完成了对汽车牌照的定位和字符的分割。同时,将改进后的模板匹配识别方法运用到字符识别中,使系统正确识别出车牌字符,实现了自动识别汽车牌照的目的。

老外写的图像模板匹配算法，目标被遮挡也能匹配，可惜不能旋转匹配。

基于局部特征提取方法是图像处理、分析及模式识别领域的热点研究问题之一。由于该技术有着广泛的应用前景，已经吸引了很多学者的关注，并涌现出了大量的研究成果。利用 SIFT 算法提取出的特征点进行图像匹配，对于图像的模糊、旋转、平移和尺度变换具有很强的鲁棒性，甚至对图像光照和视点变化具有一定的鲁棒性。本文主要研究了基于 SIFT 局部图像特征点提取算法。首先对特征点提取的原理进行了详细研究，针对SIFT算法原理分模块进行了研究；然后本文对SIFT特征点在图像匹配和图像拼接领域的应用进行了讨论；最后，为了验证本文算法的有效性和优越性，本文进行了仿真实验实验。实验结果表明，SIFT特征点在图像匹配和图像拼接领域具有极强的适应性。当图像之间存在一定的图像旋转、光照变化和视点变化时，仍然具有满意的匹配效果。