基于OpenCV，VS2010的环境下，通过SIFT或SURF算法提取物体（此处为象棋）的特征，两张图像的特征进行匹配，匹配点多则认为是同一图像。电脑系统是WIN7，x64。假如是其他版本系统简要配置一下OpenCV环境就可以使用。

sift配准的matlab源码，包括几个demo程序，match，sift，gss，dogss，函数，绝对可行

基于局部特征提取方法是图像处理、分析及模式识别领域的热点研究问题之一。由于该技术有着广泛的应用前景，已经吸引了很多学者的关注，并涌现出了大量的研究成果。利用 SIFT 算法提取出的特征点进行图像匹配，对于图像的模糊、旋转、平移和尺度变换具有很强的鲁棒性，甚至对图像光照和视点变化具有一定的鲁棒性。本文主要研究了基于 SIFT 局部图像特征点提取算法。首先对特征点提取的原理进行了详细研究，针对SIFT算法原理分模块进行了研究；然后本文对SIFT特征点在图像匹配和图像拼接领域的应用进行了讨论；最后，为了验证本文算法的有效性和优越性，本文进行了仿真实验实验。实验结果表明，SIFT特征点在图像匹配和图像拼接领域具有极强的适应性。当图像之间存在一定的图像旋转、光照变化和视点变化时，仍然具有满意的匹配效果。

基于opencv的图像匹配算法实现，主要包含了sift的实现，以及已知物体的识别

利用激光雷达做感知输出首先要分割出地面点云以减少对障碍物聚类的影响，可以通过ransac算法原理在ROS中实现对地面点云的分割。PCL点云库中也有标准的RANSAC算法接口，通过调用它实现更加快速，稳定地滤除地面点云。

代码提供一种可修改并可调式OpenCV中SIFT源码的方案，众所周知，在windows下将OpenCV编译成sln文件，配合VS便可得到sift的源代码，并可以调试。 但该代码可以在linux下将sift独立出来，让程序调用独立出来的sift，而不影响src中的sift源码。

针对医学图像具有较大的相似性和交叉性，易造成归属类别混乱的问题，提出了一种基于粒子群算法的医学图像分类方法。该方法使用形态学滤波和阈值法进行预处理；使用SIFT特征描述子来提取图像的局部特征，并使用聚类的方法得到SIFT特征的“视觉词汇”；使用粒子群算法选出一些列多样性和精度更高的SVM、KNN和AdaBoost分类器对特征进行分类。对15种不同类型的医学图像进行分类的结果表明，所提出的方法取得了94.72%的分类精度，且相比于单个分类器的方法具有较大的性能提升。

sift算法详解修正版，对博客http://blog.csdn.net/zddmail/article/details/7521424内容的改进，pdf版

基于SIFT特征与贝叶斯推断实现的图像配准算法设计

希望不要有人盗用的我代码， 我把ASIFT调用的第三方库都编译成了静态的库，像载入图片， 保存图片都编译成了静态库， 共享给大家，希望多多交流， 代码环境是vs2008 +opencv2.31, 那地方出错可以直接QQ：2416512862, 再次声明， 某些人不要盗用人家的劳动成果