在对sift算法有了初步的了解后，有人表示，是否能用c语言实现sift算法，同时，尽量不用到opencv，gsl等第三方库之类的东西。而且，Rob Hess维护的sift 库，也不好懂，有的人根本搞不懂是怎么一回事。 那么本文，就教你如何利用c语言一步一步实现sift算法，同时，你也就能真正明白sift算法到底是怎么一回事了。

这是一段VS2013和OpenCV3.3的，基于SIFT特征和SURF特征的微旋转图像拼接与融合生成全景图像的代码。具体分析见博客http://blog.csdn.net/primetong/article/details/79577152

这个是最新版本的 支持cuda的 开源的GPU版本的sift 懂的人自然知道是好东西哈

基于SIFT特征的遥感影像配准的改进算法，王恒毅，朱红，尺度不变特征变换（Scale-invariant feature transform，SIFT）是一种具有尺度不变性的局部特征描述子，广泛用于图像处理配准领域。但在处理�

配置好OpenCV2版本的环境 然后再配置OpenMP（在项目上右键->属性->配置属性->C/C++->语言->OpenMP支持里选择 是） 直接编译即可

基于QT——C++写的RANSAC算法模型，可以视图，更加清晰方便的理解RANSAC算法！

利用点云库PCL，使用VS2015完成的C++代码，测试文件（.obj）已经在本站上传资源，供大家交流，如有问题欢迎多提宝贵意见 对于不平整表面，利用ransac平面拟合，然后将三维不平整表面近似为一个平面，并将表面上的点投影到该平面，并进行显示 详见本人博客

sift算法详解，与同名博客http://blog.csdn.net/zddmail/article/details/7521424内容相同，pdf版。

vs2010代码：在Lowe的sift代码基础上添加surf，brief，orb算法的简单实现，包含总结ppt。

人耳识别技术是一种新的生物特征识别技术，由于人耳独特的生理特征结构和生理位置，以及其不受外界环境（刺激）和内心活动对生物特征体影响的特点，逐渐引起同领域研究人员的广泛关注。本文主要从人耳图像的特征提取技术方面进行探索与研究。 人耳图像的特征提取是整个识别过程的核心环节。本文的工作主要是围绕如何提取人耳的局部特征和几何特征及如何将这些特征应用于人耳识别等问题展开的，主要工作有： 1)针对人耳图像存在大量相似纹理，直接应用SIFT描述子进行特征点匹配会产生大量误匹配的情况，提出了利用基于全局上下文信息的SIFT描述子进行图像匹配的方法。结合全局上下文信息的SIFT描述子不仅保持了SIFT描述子对图像尺度、旋转、光照变化和图像噪声的良好性能，而且可以较好地对相似纹理区域进行辨别分析。实验结果表明，基于结合全局上下文信息的SIFT描述子的图像匹配算法可有效避免相似纹理区域特征点之间的误匹配，提高了人耳图像匹配的效率。 2)针对已有的人耳几何特征提取方法受姿态变化影响都较为严重的情况，本文提出了一种基于射影不变量的人耳特征提取方法。首先，检测人耳长轴上的五个边缘特征点，然后，任取其中的4个边缘特征点并计算它们之间的交比，可得到5个交比值。最后，将计算出的5个交比值联合起来，构造成人耳特征向量。实验结果表明，与利用特征点长度比值作为人耳几何特征的识别方法相比，基于射影不变量的人耳识别方法对人耳姿态变化具有更好的鲁棒性。 3)为了进一步提高识别率，本文将基于结合全局上下文信息SIFT描述子的图像匹配方法与基于射影不变量的人耳几何特征提取方法结合起来用于人耳识别，并通过大量的实验验证了该方法的有效性。