opencv移植，C语言实现SURF特征检测,开源，用vs2017，仅打开图片用到OpenCV。

基于opencv的sift和颜色直方图特征匹配

基于SIFT的手势识别程序 SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力，适合初学者学习，注释清楚

为提高人脸识别的精度,加快人脸识别的速度,提出了基于多尺度分析的三维人脸识别方法。过多的特征点容易使判别混乱，出现自相矛盾的过饱和现象，因此采用必要数和最大数的策略来限制特征点的规模。为充分利用各尺度下的人脸特征进行识别，设计了基于ICP与PCA、LDA结合的综合特征匹配方法。实验结果表明，多尺度三维人脸识别方法识别率高于各种标准识别方法，抗噪声性能突出。

LIOP算法测试代码，亲测好用！ 不过需要oepncv2.0！ 主要适合论文：Local Intensity Order Pattern for Feature Description

指纹中心点的定位及特征匹配方法，对指纹中心点的提取和切割进行了深入研究。

局部特征匹配

针对当前机器视觉热点研究的配准问题，提出了一种全新的快速点特征直方图(FPFH)特征描述与Delaunay三角剖分相结合的三维点云配准方法。首先采用FPFH综合描述特征信息，通过Delaunay三角网建立特征信息的局部关联性；再根据特征点对的对应关系进行采样一致性初始变换，实现初始配准；最后，根据得到的初值采用迭代最近点法进行精确配准，获得精确转换关系。分别对简单目标物体及复杂目标物体进行配准实验。实验结果表明，将FPFH特征描述与Delaunay三角剖分结合引入传统点云配准，简化了特征提取复杂度，缩小了特征点对匹配的搜索范围，提升了配准精度及速度，实现对目标物体高效配准，对提高机器视觉特征点匹配效率具有一定指导作用。

Matlab三维图像代码SIFT3D 版权所有（c）2015-2019 Blaine Rister等，有关详细信息，请参阅LICENSE。 SIFT3D是三维图像的尺度不变特征变换（SIFT）的类似物。 它利用体积数据和真实单位来检测关键点并提取其内容的可靠描述。 它还可以通过匹配SIFT3D功能并使用RANSAC算法拟合几何变换来执行3D图像配准。 所有这些都在带有Matlab包装器的跨平台C库中实现。 SIFT3D包含imutil，它是用于图像处理和线性代数的实用程序库。 该库以各种医学成像格式执行文件IO，包括DICOM和NIFTI。 内容 此代码创建以下可执行文件： kpSift3D-从单个图像中提取关键点和描述符。 regSift3D-从两个图像中提取匹配项和几何变换。 和以下库： libreg.so-通过SIFT3D功能注册图像 libsift3d.so-提取并匹配SIFT3D功能 libimutil.so-用于图像处理，回归和线性代数的实用程序库。 包括用于DICOM和NIFTI文件格式的IO功能。 它还包含一个Matlab工具箱，用于从Matlab脚本中调用库函数。 有

此函数绘制两个图像之间的对应点。 它在匹配特征点的可视化调试中非常有用（至少对我而言），例如 SURF 或 SIFT 特征。 h = match_plot(img1,img2,points1,points2) 点 1 = [x1 y1; x2 y2; ...] = img1 中的对应点点 2 = [x1 y1; x2 y2; ...] = img2 中的对应点 原点是图像的左上角x 轴指向右侧，y 轴指向下方。 点 2 必须与点 1 的大小相同。 如果两张图片的尺寸不同，则较小的一张会被重新缩放。 对应的线以不同的颜色绘制，从红色到蓝色彩虹秩序。 返回图形句柄对象 h。