在开源的车牌识别系统EasyPR中，用SVM（支持向量机）模型甄选出候选车牌中真正的车牌。目前EasyPR1.4的SVM模型输入的是LBP特征，本代码将EasyPR的svm_train.cpp独立出来，包含SIFT和SURF结合BOW作为SVM输入，以及LBP和HOG特征作为SVM的输入。

SIFT\PCA-SIFT\SURF论文文章和对应的源代码

本文提出了一种从图像中提取独特不变特征的方法，可用于完成不同视角之间目标或场景的可靠匹配的方法。这种特点对图像的尺度和旋转具有不变性。并跨越很大范围的对仿射变换，三维视点的变化，添加的噪音和光照变化的图像匹配具有鲁棒性。特征是非常鲜明的，场景中的一个单一特征和一个许多图像的大型特征数据库也有很高的概率进行正确匹配。本文还介绍了一个使用该功能来识别目标的方法。通过将个别特征与由已知目标特征组成的数据库进行快速最近邻算法的匹配，然后使用Hough变换来识别属于单一目标的聚类（clusters），最后通过最小二乘解执行一致的姿态参数的核查确认。这种识别方法可以在有力确定对象之间的聚类和遮挡的同时实现近实时性能。

基于SIFT算法的特征提取(VS2015+OpenCV2.4.13) 主要分为以下几个步骤： (1) 读入两张图片并分别提取SIFT特征 (2) 利用k-d tree和BBF算法进行特征匹配查找 (3) 利用RANSAC算法筛选匹配点并计算变换矩阵

主要有对SIFT的每个部分的详细描述，网上的大多博文是参照这本书的

北航宇航学院数字图像处理大作业三-遥感图像配准，在VS2013平台上基于opencv2.4.9编写的，SURF和sift算法进行图像配准，并给出旋转角度

国外高手编写的RANSAC算法工具箱，可以对二维和三维数据进行评估，内附例子。-Prepared by foreign experts RANSAC algorithm toolbox, can be two-dimensional and three-dimensional data to assess the attached example.

使用C#实现的SIFT算子；SIFT目前最流行的图象特征表示方法，在图象分类，对象领域有广泛应用

从原理上面讲解了SIFT、SURF、ORB的区别和联系，理解起来非常容易。

利用opencv简单实现三种特征点匹配算法。SIFT算法 SIFT特征是图像的局部特征，对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性。SIFT算法时间复杂度的瓶颈在于描述子的建立和匹配 ，如何优化对特征点的描述方法是提升SIFT效率的关键。