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

传统生产线多以人工方式对工业零件进行分类，检测速度和精度亟待提高，本文基于LabVIEW平台，建立了工业零件的分类识别系统，通过对图像进行采集和预处理，根据含目标的图像信息，采用canny边缘算子识别其中的图形轮廓并进行特征匹配，识别期望的目标是否存在，进而完成工业零件的分类与定位。实验证明，分类识别的平均耗时为 0.33 s，符合快速匹配的要求，能有效提高生产效率。

fast与sift算法结合，实现特征匹配，可以参考；fast与sift算法结合，实现特征匹配，可以参考