在双目立体相机中，利用图像处理计算场景深度信息是一项关键技术。通过研究立体视觉图像匹配原理，提出一种基于FPGA的立体图像实时匹配算法的实现方法。该算法以 Census变换为基础借助于像素在邻域中灰度相对值的排序进行相似度比较，来实现区域立体匹配；在左右一致性约束下采用多窗口相关匹配方法改善深度不连续图像的匹配质量，提高匹配准确度。利用FPGA流水线和并行处理技术实现了双目立体相机的实时图像匹配。结果表明，该图像匹配结构具有较高的吞吐率和处理速度，可以工作在97.3 MHz频率下实现1024×1024灰度

设计输入男人和女人的优先表并转化，通过自由男人的列表不断更新，最终确定出稳定匹配的对数并输出之。

图像检索中颜色的特征提取及匹配算法，以家权欧几里得距离，中心距得加权距离，直方图交集算法等

基于FPGA设计一个能够检测出重叠匹配串的序列检测器。首先从KMP字符串模式匹配算法出发，推导出next函数值与序列检测器状态之间的关系，并针对匹配串重叠的情况进行修改，得到有限状态机的状态转换图，最后用VHDL语言描述并仿真验证。

基于对现有图割算法的研究，本文进一步设计了基于自适应分水岭算法并且使用非参数深度平滑模型来建立图割的能量方程的立体匹配方法。提出了新的自适应局部阈值方法，并将其应用于分水岭结合Prim算法的区域融合中。该方法选取相同亮度的像素当作同一个特征矢量形成像素组层，这样两幅或多幅图像的匹配可以在特征区域像素组层来计算，大大减少了数据量。在最小化能量方程时，基于像素组层优化现有的α-扩展算法，降低运行时间。实验结果表明：通过Middlebury测试平台对算法定量评估得出在所有区域误匹配、非遮挡区域以及深度不连续区域的误匹配率都控制在8.5%以内，在Middlebury测试平台135组数据中排名第19位。

提出了一种基于极线约束的激光条纹匹配算法.先通过双CCD摄像机摄取左右两幅图像,然后对图像进行预处理.处理之后的两幅图像是在不同视角下摄取的两条单像素宽的激光条纹,在极线约束和连续性约束的理论基础上,提出了一种直线和曲线求交的匹配方法,从而实现了激光条纹的快速精确匹配和激光扫描线的三维重建.

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

基于python的PatchMatchStereo立体匹配算法实现，直接替换图片路径即可运行。

运用C++实现中文字符的KMP匹配算法，实现关键字搜索

基于python实现的SGM半全局立体匹配算法,直接替换图片位置即可，均有注释。