改进的基于SIFT和RANSAC的图像配准方法，王新年，张涛，为了提高图像配准精度，本文提出了基于改进的SIFT(scale invariant features transform)和RANSAC(Random Sample Concensus)的图像配准算法。该方法首先采�

在机器人视觉系统中运用SIFT描述子对现实世界中的目标进行识别，这一研究已经取得了很大的进步。运用SIFT生成的图像特征向量的性能十分稳定，对旋转、缩放、平移是保持不变性的，对一定程度目标遮挡、光照变化、视点变化、杂物场景和噪声等也能保持很好的不变性。RANSAC算法早就已经是计算机视觉领域常用的一个进行矫正的标准方法，在标准的RANSAC算法基础上加入了假设评价，改进为R-RANSAC（The Randomized RANSAC）算法。对这两个方面进行论述，运用SIFT（尺度不变特征变换）算法对双目机器人的两幅视觉图像进行匹配，采用带SPRT的R-RANSAC改进算法对匹配过程进行优化，尽可能在短的时间里完成匹配矫正，进而加速整个配准的时间。

matlab实现sift提取特征点，SIFT算法的相关实现 自己用matlab写的sift特征点检测与匹配程序，运行能通过

SIFT特征点匹配的代码和实验报告，需要2008的VS和openCV库。如果VS版本高的话需要下载一个2008版本的guill.gll文件。修改代码中视频路径即可实现特征点匹配。有实验报告和用例。

sift opencv的源代码，详细的注释，很给力

图像的特征Dense Sift提取，通过Bag of Words词袋模型进行描述，用BoW描述完图像之后，指的是将训练集以及测试集的图像都用BoW模型描述了，就可以用SVM训练分类模型进行分类了。在这里除了用SVM的RBF核，还自己定义了一种核： histogram intersection kernel，直方图正交核。很多论文说这个核好，并且实验结果很显然。能从理论上证明一下么？通过自定义核也可以了解怎么使用自定义核来用SVM进行分类

sift特征提取sift特征的Matlab提取

本程序只是一个简单的demo，里面包含了Opencv对HARRIS,SHI_TOMASI,FAST,SURF,SIFT算法的实现，初学着可以看看。

SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点，其匹配能力较强，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，甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。

（C++代码）用sift算法实现双目立体视觉测距，建议在opencv2版本下运行。