实现两张图像的SURF特征点匹配；

详情介绍：https://blog.csdn.net/s1t16/article/details/128513889 拟采用基于 SIFT 特征检测算法的进行图像拼接。虽然课题背景是左右相机的图像拼接，但在实际测试中涉及的是一组离线的静态图片，所有的算法设计路线均是依据静态图像拼接。对于具有固定结构的左右相机图像的拼接，只需要在首帧计算一次变换矩阵即可，大大缩短图像拼接时间，整个过程与静态图像拼接类似。

针对电气设备同一场景的红外与可见光图像间一致特征难以提取和匹配的问题，提出了一种基于斜率一致性的配准方法。首先通过数学形态学方法分别提取红外与可见光图像的边缘，得到粗边缘图像；然后通过SURF算法提取两幅边缘图像的特征点，根据正确的匹配点对之间斜率一致性的先验知识，进行特征点匹配；最后通过最小二乘法求得仿射变换模型参数并实现两幅图像的配准。实验结果表明，该方法有效提高了匹配点对的正确率，能够对电气设备红外和可见光图像实现高精度的配准。

本程序基于matlab，诠释了surf特征的提取、匹配过程及误匹配的矫正

surf特征点匹配和研究

surf 特征点算法的实现，android ndk调用本地应用

基于SURF特征提取的图片配准matlab仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

基于surf特征提取的图像配准和拼接算法的MATLAB仿真 运行注意事项：使用matlab2021a或者更高版本测试，运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

基于SURF特征点提取的图像配准仿真，matlab2021a测试，可以对存在角度倾斜的图片进行配准。 I1=im2double(imread('TestImages/lena1.png')); I2=im2double(imread('TestImages/lena2.png')); % Get the Key Points Options.upright=true; Options.tresh=0.0001; Ipts1=OpenSurf(I1,Options); Ipts2=OpenSurf(I2,Options); % Put the landmark descriptors in a matrix D1 = reshape([Ipts1.descriptor],64,[]); D2 = reshape([Ipts2.descriptor],64,[]);