花钱下的 免费使用 SURF算法原文 请拜读 非常经典

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。

图像特征提取新领域：pww轮廓特征提取 1、高清视频中实现实时提取图像特征 2、图像特征点定位准确，快速 3、用于模式识别，替代surf算法 4、对于很多应用，需要前期处理。 5、时间有限，只能写这么多给大家，其他的事情，大家自己根据需求来思考了。

压缩包内是改进SIFT算法后得到的SURF算法，通过matlab调用C++程序，需要预先设置好matlab安装MinGW-w64编译器（mex命令），具体论文里面有，或者参考https://blog.csdn.net/desire121/article/details/60466845

冲浪配准数学代码盖姆 这是Toby Collins，Pablo Mesejo和Adrien Bartoli发表于欧洲的同行评议论文“基于图的关键点匹配中的错误分析和建议的解决方案”中Matlab的基于图的仿射不变关键点匹配（GAIM）的Matlab实现。 2014年9月召开的计算机视觉会议。GAIM解决了两个图像的一般基于关键点的图形匹配问题。 它不需要对象的数量，遮挡的数量，图像之间的非刚性运动的数量，背景杂波的数量或对象的拓扑结构（如果例如对象撕裂，状态可能会发生变化）的先验知识。 这是作者的实现。 如果您在工作中使用此代码的任何部分，请引用本文。 最重要的是，我们希望您会发现此代码有用。 基于图的关键点匹配是一个非常困难的计算机视觉问题，尚未完全解决，需要进行不断的研究。 问题包括使用例如SIFT或SURF检测两个图像中的关键点（或特征），然后使用它们的描述符和相邻关键点之间的几何约束来匹配关键点。 解决方案对于几种应用程序非常重要，包括非刚性对象跟踪，配准和非刚性场景理解。 为了使其正常工作，图像中的对象必须具有良好的纹理（以便可以检测到关键点），并且图像不应被噪声，模糊或压缩

本代码主要利用MATLAB工具实现MATLAB——用surf绘图，简单明了，易于理解

内含从国外网站上下的开源C++代码（以OpenCV为基础，但不是直接调用OpenCVC里面的SURF）与原理文档，算法步骤十分明确，注释十分到位，运行环境为VS2008+OpenCV2，希望对深入学习SURF算法的同学有帮助！

图像识别技术是计算机视觉和图像处理领域里的重要研究课题之一,在军事及民用领域应用广泛。在目标检测算法中,基于特征的方法具有压缩信息量、执行速度快、精度高等优点,SIFT算法便是其中之一,但传统的SIFT算法应用于图像识别过程中数据量大、计算耗时长,提出了一种基于SURF算法的图像识别方法,并使用Android NDK调用OpenCV在Android手机平台上实现了一套图像识别系统,结果表明,基于SURF算法的图像识别系统识别效果和实时性更好、具有更强的鲁棒性。

surf 特征点算法的实现，android ndk调用本地应用