可见一红外图像之间配准点的数量不足、分布严重不均匀以及配准点之间的错配率高这3个 核心问题，提出一种基于自适应特征点检测的可见一红外图像配准方法。方法本文提出的自适应特征点检测方 法，以Harris comer作为基本特征点；以特征点数目与空间分布为检测目标，从而自动地估计合适不同空间位置的 特征点的检测阈值。在特征点对匹配中，将梯度方向与互信息相融合有效地添加了相似性函数的空间位置信息。 结果 自适应Harris comer检测方法能够有效地提供空间分布均匀、数量充足的特征点。而梯度方向与互信息相 融合的相似性匹配函数提高特征点的匹配率20％，降低配准误差50％。结论 本文提出的多传感器图像配准方 法能够快速、准确地实现可见光图像与红外图像之间的配准，在CCD—IR图像融合领域具有很好的实用价值。

自适应阈值FAST特征点检测算法的FPGA实现.pdf

案例@人脸特征点检测.zip

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

superpoint源码|含有部分数据集（coco、hpatches）

只用OpenCV，五行搞定SIFT特征点检测（除了预编译头，读图，显示，就五行）。一行一分，有运行结果截图。 运行环境 VS2008/VS2010 + OpenCV2.3.1 声明： 代码很短，为截图，请下载后自行敲到工程里。 代码不包含特征点匹配，请自行琢磨。 原始的SIFT特征点检测代码（http://www.cs.ubc.ca/~lowe/keypoints/）要依赖好几个库，还需要OpenCV,调用繁琐，而且速度也一般。 为了大家考虑，建议使用原始代码练习一下,但愿大家都不下载此资源；如果只想图个方便，就请付出代价，下载此资源。

描述： 这个函数 OPENSURF，是 SURF（加速鲁棒特征）的一个实现。 SURF 将检测图像中的地标点，并通过对（一点点）旋转、缩放和噪声具有鲁棒性的向量来描述这些点。 它可以以与获得专利的 SIFT（尺度不变特征变换）相同的方式使用。 因此根据对应点对齐（配准）两个或多个图像（参见 example3.m），或进行 3D 重建。 执行： Surf 的这个 Matlab 实现是 Chris Evans 的 OpenSurf C# 代码的 Matlab 优化翻译，并给出了完全相同的答案。 Chris Evans 编写了最好的、结构良好的全包 SURF 实现之一。 在他的网站上，您可以找到 OpenSURF 的评估以及 C# 和 C++ 代码。 http://www.chrisevansdev.com/opensurf/ Chris Evans 允许我在（Mathworks）BSD 许

人脸特征点检测实战代码

利用dlib进行人脸特征点检测，使用python调用dlib库。

该算法内包含使用OpenCV中特征点检测、描述方法（sift、Harris，orb，brisk等）等多种方法的使用示例，并配有详细注释。还包括BFMatcher和FLANN两种匹配器的使用，且还有knnMatch方法示例。