在lowe最终更新的sift版本基础上修改。 适用于VS2008，opencv2.3.1版本。 代码修改包括： utils.h中添加头文件#include 属性->linker->input附加依赖项修改2.3.1版本opencv的lib库文件。 opencv中tbb.dll需复制重命名为tbb_debug.dll。 另外， 系统的环境变量和VS2008中的关于opencv的设置参考opencv手册。

基于SIFT的图像配准，适合初学者，里面有程序，分较少。

基于SIFT算法的图像拼接，资源包括SIFT简介，MATLAB源码，实验图片，GUI设计

（C++代码）用sift算法实现双目立体视觉测距，建议在opencv2版本下运行。

图像配准。matlab代码。利用SIFT算法提取特征点并进行描述，找到两幅图像中对应的特征点对，利用RANSAC算法剔除不正确的特征点对并计算单应性矩阵（投影变换参数），利用立方卷积插值得到配准之后的图像。显示结果中包含棋盘格显示。

需要安装opencv1.0和opencv2.1以上版本，及gsl。压缩包里给出了Rob Hess所实现的SIFT算法的实现以及注释。这是一个很强大的算法，主要用于图像配准和物体识别等领域，但是其计算量相比也比较大，性价比比较高的算法包括PCA-SIFT和SURF

Harris Corner Detector SIFT Feature 的Matlab源代码

matlab实现的sift算法，各个步骤的实现很清楚，运行可看效果。

利用SIFT和RANSAC还有Homography的相关知识编写的一个简单的图片拼贴程序。 1.用SIFT算法得到很多对应点，其中一部分是错误对应点。 2.利用RANSAC方法得到鲁棒的单应矩阵：任取4对点得到单应矩阵H（图2到图1），然后将图2中的关键点用H投影到图1，检测投影得到的点与图1中准确的关键点之间的距离，若小于一个阈值则判断为内点；统计内点的个数，若大于一个阈值则判断为好的单应矩阵，用所有的内点重新计算单应矩阵，计算的方法可见课件projective-Seitz-UWCSE.ppt。重复若干次后取内点最多的单应矩阵作为最终结果。 3.将图2用H投影到图1的坐标系，将两张图片拼接到一起。 4.为了两张图片结合自然，还可以用对应点（内点）周围的颜色或亮度信息对其中一张图进行颜色或亮度调整。 包含文件：mosaicTest.m, imMosaic.m, siftMatch.m, findHomography.m, solvHomo.m, ransac1.m，一篇参考文献，sample images

实现对图像的sift特征提取，并利用bow模型进行聚类，并对bow下的特征进行提取和保存