C实现的RANSAC程序，可供需要者交流学习！

SIFT代码 可以运行的SIFT代码 谢谢谢谢谢谢

sift代码，测试过了，可以用，配置好环境

自学SIFT算法后写的一个demo，适合初学者或者想深入了解这个算法的人。 SIFT，即尺度不变特征转换(Scale-invariant feature transform，SIFT)，是用于图像处理领域的一种描述子。SIFT算法在一定程度上可解决： 1. 目标的旋转、缩放、平移（RST） 2. 图像仿射/投影变换（视点viewpoint） 3. 光照影响（illumination） 4. 目标遮挡（occlusion） 5. 杂物场景（clutter） 6. 噪声

SIFT_特征提取与匹配算法，通过matlab 编写完成，讲述sift的算法

针对目标识别过程中识别精度不高、实时性不好的问题，提出基于尺度不变特征转换（SIFT）算法的改进算法，该算法通过研究传统的SIFT算法特征匹配正确率不高、匹配耗时过长的问题，结合Harris算子角点检测特性提出改进，在高斯差分尺度空间内直接检测角点，使得提取的特征点数目减少，计算量降低，特征点提取的显著性提高；同时使用RANSANC方法进行特征匹配约束，减少误匹配，进一步提升目标识别的正确率。为了验证提出算法的有效性，通过MATLAB对算法在尺度变化和噪声等复杂情况下的匹配效果进行实验验证，结果表明，改进的SIFT算法匹配用时大大降低、误匹配较少，匹配正确率提高，具有较强的鲁棒性，可以准确识别目标，具有良好的目标识别能力。

matlab sift特征提取代码 基于RGB颜色空间的颜色特征与SIFT特征提取 ##目录 ##背景介绍 本项目是我参加大学生创新项目的一部分，我们将要创建一个旅游推荐系统，通过用户输入的图片进行相关的图像处理，最后得到与输入图片相关的图片集，其中颜色特征和SIFT特征的提取就是本项目的关键技术。 ##项目介绍 一般的图像特征提取分为局部特征提取和全局特征提取，全局特征就是方差、颜色直方图等等，全局特征用来描述总是比较合适的。但是无法分辨出前景和背景却是全局特征本身就有的劣势，而所谓局部特征，顾名思义就是一些局部才会出现的特征，就是指一些能够稳定出现并且具有良好的可区分性的一些点了，这样在物体不完全受到遮挡的情况下，一些局部特征依然稳定在，以代表这个物体（甚至这幅图像）。因此本项目采用将局部特征与全局特征相融合的方式进行特征的提取，在全局特征方面采用基于RGB颜色空间的颜色特征直方图；而在局部特征方面，采用不比较经典的SIFT特征。本开源项目的只是给出了基本的测试代码，详细描述了颜色特征和SIFT特征提取的过程。 ##项目使用 ###获取代码 gitcafe项目主页: ###使用样例

DSIFT_EF_SIFT特征_融合_基于SIFT特征的多曝光图像融合_多曝光_DSIFT_源码.zip

一个利用ransac算法进行直线拟合的程序；一个通用的ransac算法框架；利用后者进行homography单应矩阵估计的示例程序

SIFT图像匹配算法尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe在1999年所发表，2004年完善总结。