本资源在vc++平台下实现了图像特征匹配算法sift，并含有学习笔记，能很好的帮助理解算法，程序需配置opencv才能运行

Sift是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的发展和完善。Sift特征匹配算法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，具有很强的匹配能力。在Mikolajczyk对包括Sift算子在内的十种局部描述子所做的不变性对比实验中，Sift及其扩展算法已被证实在同类描述子中具有最强的健壮性。 总体来说，Sift算子具有以下特性： （1）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。 （2）独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。 （3）多量性，即使少数的几个物体也可以产生大量Sift特征向量。 （4）速度相对较快，经优化的Sift匹配算法甚至可以达到实时的要求。 （5）可扩展性强，可以很方便的与其他形式的特征向量进行联合。 Sift特征匹配算法主要包括两个阶段，一个是Sift特征的生成，即从多幅图像中提取对尺度缩放、旋转、亮度变化无关的特征向量；第二阶段是Sift特征向量的匹配。

视频演示：http://www.bilibili996.com/Course?id=3106495000236

视频讲解：http://www.bilibili996.com/Course?id=2950814000235

针对图像配准中尺度不变特征变换（SIFT）算法解算速率慢的问题，提出了基于非极大值抑制的改进算法。该算法扩大了极值检测区域半径，对SIFT关键点进行筛选，实现了关键点的优化分布。还提出一种自适应确定检测区域半径的方法，来更精确地控制关键点的数目和分布。仿真试验结果表明，该算法能在一系列不同的图像变换下表现出稳定的配准结果，解算速率较标准SIFT算法提升显著。

尺度不变特征提取 sift——matlab代码

Generally, image-based evaluation on the performance of textile appearance such as smoothness and pilling was interfered by fabric pattern, color, and illumination. In this paper, a new method was used to reconstruct a 3D surface of fabric based on image's features which could eliminate the influence of surface texture. Concretely, two parallel-placed digital cameras were calibrated based on planar pattern and the captured binocular images were rectified through epipolar line. The feature points

使用bof算法来提取图像特征，在corel数据集(10*100张图片)上实现以图搜图，即输入数据集中某一张图，在剩下的999张图里搜索最邻近的10张图。

视频演示：http://www.bilibili996.com/Course?id=2848892000230

使用sift算法完成两个图像的匹配 可以运行，已经试过了 vs环境下读取文件时两个点改成一个点便可