图像匹配协处理器相关资料

使用sift算法完成两个图像的匹配 可以运行，已经试过了 vs环境下读取文件时两个点改成一个点便可

原版sift算法，已验证，效果非常好，用于两幅图片的匹配

（转）简单的pso经典算法实现对图像的匹配，简单程序，适合初学者进行pso和匹配的学习 这几个m文件程序的主要目的是实现用智能算法的中的 粒子群的方法来对图像进行匹配，也就是最终找到实时图像 在基准图像中的坐标位置。 ----------------------------------------------------- 1. 基准图像lena_basic 实时图像lena_time 2. pre_preare.m 功能是用来修改保存的实时图像的 3. simple_fitness.m 功能是用全遍历所有的匹配位置，将相关度数据保存在 在一个矩阵中（这里用了一个较为简单的相关度算法）。 4. pso_match.m 是主程序，用pso算法对图像进行匹配，具体实现代码有注释 总体是通过Matlab编程实现的

分别用SIFT、SURF、ORB做特征匹配要求用绿色线条画出两张图对应的匹配点（出3张图） 再使用RANSAC滤除离群点（参数自行调优）后用绿色线条画出两张图对应的匹配点（出3张图） 然后根据对应点分别计算图B到图A的单应变换矩阵（要求以矩阵形式清晰打印出来并截图，精度保留3位有效数字，出3张图） 根据计算的单应矩阵把第二张图变换到第一张图的坐标系下，与原图通过线性加权的方式融合（权重自行调优），可调用现成库，出3张图。

图像匹配几种常见算法外文文献.doc

尺度不变特征变化图像匹配siftFlow 能够直接运行

特征对应在图像处理和计算机视觉中至关重要。 为了有效地找到对应的对，在本文中提出了从相同的八边形滤波器组（DFOB）构造特征检测器和描述符。 DFOB方法是一种用于特征点的检测，方向计算和描述的新颖方法，并且在通过积分图像进行计算时非常有效。 DFOB的匹配能力接近诸如SIFT和SURF之类的流行方法，因为它们都将斑点样图像结构检测为感兴趣的特征，并使用定向梯度的直方图描述了这些特征。 在基准数据集上的实验结果表明，DFOB的匹配性能可与SIFT和SURF算法相媲美，而计算成本却低得多，尤其是所提出的描述符比SURF描述符快约50倍。

计算机视觉的实验，Python写的代码，萌新代码，勿喷，仅仅只是方便没时间写实验的朋友，直接用python打开就能运行

利用VC结合OPENCV编写的图像匹配生成视差图像的程序。