提出了一种基于二维码匹配的指针式仪表读数识别方法.该方法先实时采集高质量的仪表状态图像，同时获取二维码定位点信息以及与二维码相连接的数据库中存储的仪表类型信息，再根据二维码定位点信息对仪表图像进行快速倾斜校正，并利用二维码与仪表之间先验的几何位置关系快速提取图像中表盘所在的区域，最后根据获取的仪表类型信息，选择对应的仪表读数识别算法，以实现快速准确地识别仪表读数.实验结果表明：该方法能有效提高指针式仪表读数识别的准确率，尤其是对于复杂背景的仪表图像，该方法可用于电力系统中刻度均匀的指针仪表识别.

论文：Remote sensing image matching featured by the optimal entropy classific 如果没有积分，可以联系我。邮箱：1151617653@qq.com 该算法使用vs2017平台进行开发，C#进行编写。如果只是想要结果，那么不需要安装任何软件，只需要下载代码，找到\WindowsFormsApp1\bin\x64\Debug目录下Match.exe的运行文件，双击运行就行。如果想要更改代码，则需要相应的C#平台。 本代码禁止用于商业用途。

用MATLAB对两幅图片进行图像匹配；用MATLAB对两幅不同图片进行图像匹配

分别用SIFT、SURF、ORB做特征匹配要求用绿色线条画出两张图对应的匹配点（出3张图） 再使用RANSAC滤除离群点（参数自行调优）后用绿色线条画出两张图对应的匹配点（出3张图） 然后根据对应点分别计算图B到图A的单应变换矩阵（要求以矩阵形式清晰打印出来并截图，精度保留3位有效数字，出3张图） 根据计算的单应矩阵把第二张图变换到第一张图的坐标系下，与原图通过线性加权的方式融合（权重自行调优），可调用现成库，出3张图。

图像拼接 采用SIFT+RANSAC的特征匹配方法实现图像拼接

基于Matlab的遥感影像直方图匹配，将原图像的每个像素灰度转换为直方图均衡化。

资源包含以下内容： 1. 基于matlab的相关模板图像匹配.m 2 一幅原始图像与两幅子图像

Siamese孪生网络-完整代码-基于Tensorflow实现，已跑通

针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题,提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对;然后根据典型相关成分的线性关系拟合直线,利用点到直线的距离剔除大部分误匹配点对;对剩余的匹配点对,逐一分析其对典型相关成分的共线性的影响,剔除影响程度大的特征点对。实验结果表明,该方法能够在剔除误匹配的同时保留更多的正确匹配,提高了图像配准的精度。

这是一种通用的多模态遥感图像匹配框架。该框架可以利用各种特征描述符如HOG、LSS、CFOG、各种梯度信息，相位信息，边缘信息等构建逐像素的三维特征表达图（不对具体特征进行限定），然后利用各种相似性测度如相关系数，灰度差平方和，欧式距离、互信息和相位相关等进行模板匹配（不对具体相似性测度进行限定），考虑到计算效率问题，我们推荐使用基于FFT的互相关做相似性测度。