针对现有图像复制粘贴篡改检测算法计算复杂度过高的问题，提出了一种基于分组尺度不变特征变换的图像复制粘贴篡改快速检测算法。首先，利用简单线性迭代聚类将输入图像分割成非重叠且不规则的块；然后，根据图像块内结构张量属性将其分为平坦块、边缘块和角点块，提取图像块内的SIFT特征点作为块特征；最后，通过块特征的类间匹配定位篡改区域。所提算法通过图像块分类和类间匹配，在保证检测效果的同时，有效地降低了特征匹配定位篡改区域阶段的时间复杂度。实验结果表明，所提算法检测准确率为97.79%，召回率为90.34%， F值为93.59%；图像尺寸为1 024像素×768像素时算法时间复杂度为12.72 s，图像尺寸为3 000像素×2 000像素时算法时间复杂度为639.93 s。与已有的复制粘贴算法相比，所提算法能够快速精准地定位篡改区域，且具有较好的稳健性。

使用MATLAB完成基于SIFT以及HARRIS和NCC算法的图像特征匹配，代码可以完整运行

C#图片对比，支持图片局布和整体图片比对，原图采样和目标图原图采样进行比对，特征匹配 在特征描述中，我们得到了512bit的二进制描述符，该描述符的列是高方差——>低方差的排列，而高方差表征了模糊信息，低方差表征了细节信息，与人眼视网膜相似，人眼先处理的是模糊信息，再处理细节信息。因此，选取前128bit即16bytes进行匹配（异或），若两个待匹配的特征点前16bytes距离小于设定的阈值，则再用剩余的位信息进行匹配。这种方法可以剔除掉90%的不相关匹配点。注意：这里的16bytes的选取是建立在并行处理技术（SIMD）上的，并行处理技术处理16bytes与处理1bytes的时间相同；也就是说，16bytes并不是固定的，如果你的并行处理技术能处理32bytes与处理1bytes的时间相同的话，那么你也可以选取前32bytes。

sift算法的matlab版本实现，数据以及函数代码均非常完整，版本符合的的话可以直接运行，有部分注释帮助理解，功能也比较全面，感谢大家支持

基于特征匹配的全景视频拼接，用视频防抖的思想做的，代码比较好用，但是需要自行编译OpenCV，压缩包内有编译说明以及代码解释。

2.1 基基基本本本原原原理理理 因为R是一种编程语言，一些对编程不太熟悉的人可能会望而却步。这种 障碍其实是完全没有必要，首先，R是一种解释型语言，而不是编译语言，也 就意味着输入的命令能够直接被执行，而不需要像一些语言要首先构成一个 完整的程序形式(如C，Fortan, Pascal, . . . )。 第二，R的语法非常之简单和直观。例如，线性回归的命令lm(y ~ x) 表 示“以x为自变量，y为反应量来拟合一个线性模型”。合法的R函数总是带有 圆括号的形式，即使括号内没有内容(如,ls())。如果直接输入函数名而不输 入圆括号，R则会自动显示该函数的一些具体内容。在本手册中除在部分文字 已作出清楚的说明外，所有的函数后都接有圆括号以区别于对象(object)。 当R运行时，所有变量，数据，函数及结果都以对象(objects)的形式存 在计算机的活动内存中，并冠有相应的名字代号。我们可以通过用一些运算 符(如算术，逻辑，比较等)和一些函数(其本身也是对象)来对这些对象进行操 作。运算操作非常简单，其细节将留在下章讨论(p. 26). 关于R中的函数可用 下面的图例来形象的描述： arguments −→ options −→ function ↑ default arguments =⇒result 上图中的参量(argument)可能是一些对象(如数据，方程，算式. . . )。有 些参量在函数里被预设为缺省值，用户则可按需对其作个别的修改。所以运 行一个R函数可能不需要设定任何参量，原因是所有的参量都可以被默认为缺 3

SURF算法原文的翻译，加入了作者的一些理解

鉴于摄像机采集的图像一般都存在一定程度的旋转和平移，一般的匹配算法都存在较高的误匹配率，引入极线约束，提出一种改进的SIFT特征匹配 算法，并在MATLAB中实现算法，实验结果证明该算法有效

图像特征匹配算法评价框架，石波，索春宝，图像特征匹配技术在图像拼接、数字摄影测量等领域有着广泛的应用，因各类应用对其需求的多样化而快速发展，不同的图像特征匹配算

用surf实现的图像特征匹配matlab代码