针对二进制描述算法（Oriented fast and Rotated Brief，ORB）尺度性配准误差大，配准率低的问题，提出一种尺度和方向改进的ORB特征匹配算法。该算法以二进制描述算法ORB为基础，构建金字塔式尺度空间，改进尺度空间结构，简化尺度空间层数和采样图像数目，使提取特征点的过程更加效率，并采用Harris函数检测特征，消除边缘特征点的影响，提取具有尺度信息的特征点；然后采用梯度方向统计方法改进传统ORB算法中通过灰度质心法计算主方向的方式，优化求解主方向邻域范围，以提高图像特征主方向的准确性。实验结果表明，改进后的ORB算法在尺度和旋转配准方面性能有很大提高，并且配准的精度较传统ORB更高，更能满足复杂图像快速精确配准的要求。

基于深度学习特征匹配的铸件微小缺陷自动定位方法.pdf

实际场景中各物体的尺寸差异导致激光三维数据中各物体对应的三维积分区域(SVR)存在差异。在初始帧中,借助于SVR筛选与全局特征匹配完成目标识别,实现对待跟踪目标的自动选取,并且比较四种全局特征描述子的识别能力及运行速度。得到初始帧中的目标位置后,提出了利用全局特征匹配在后续帧中实施目标跟踪的方法。实验结果表明,SVR筛选有利于提高识别跟踪的准确率及算法整体运行速度。

该程序是VC数字图像处理教材上的C++源代码，一个半自动的基于特征的图像配准程序。在程序中，需要手工选取特征点，程序自动寻找相匹配的特征点，然后自动计算仿射变换参数，并将两幅图像进行拼接，合成一幅图像！

基于深度学习的几何特征匹配方法.pdf

sift算法源代码，进行图像识别。用到opencv。代码最开始是下载的，但源程序有问题，现在经过了修改，已经不会报错。

针对图像拼接中SIFT、SURF算法运算复杂、计算量大导致匹配速度慢的问题,提出了一种基于尺度FAST与质心标定改进LBP描述符的特征匹配方法。首先构建尺度金字塔并用FAST算法确定特征点位置,然后使用质心标定的圆形LBP来描述特征点,最后利用最近邻距离比结合RANSAC进行快速匹配。实验结果表明:提出的方法有着较好的匹配表现,并且速度约为SIFT的14倍、SURF的5倍以上;同时结合渐入渐出方法,能实现快速且高质量的图像拼接效果。

一些常用的纹理特征提取方法汇总，都是用matlab写的，经过测试后有效。希望对大家有所帮助。matlab版本的源码，有详细的sift特征提取和匹配的步骤介绍，具体sift是什么我就不多说了。这个matlab版本的源码就是供初学者学习之用。本人也是刚刚学习，代码亲字试过，希望对大家有帮助，大家一起学习

matlab实现的基于颜色直方图的特征匹配，RGB转换成hsv， 量化颜色，计算两幅图像特征向量之间的距离，实现颜色特征匹配。同时，二值化之后，计算zernike矩和hu不变矩，可以作为第二个特征匹配量。

基于匹配的目标识别代码示例，包括两种识别方法：多线程加速的多尺度模板匹配 和 SURF特征匹配，详细见博文：多线程加速的多尺度模板匹配https://blog.csdn.net/Augurlee/article/details/107380792