里面包含了需要的12个m文件及测试图像，全部加载入matlab后运行main.m即可出结果

Moravec、Forstner、Harris、sift特征点提取的集合，输入为正射影像和DSM影像，提取的特征点是经度纬度和高程信息，支持windows和LINUX编译，windows下直接打开.sln工程，LINUX下进入Release文件直接通过makefile编译即可，将输入影像和输出配置到json文件，代码支持omp优化

PPT展示（全英文）图像处理-图片找不同Find the differences of the two images #Matlab下调用Python接口#SIFT算法应用 博客链接： https://blog.csdn.net/qq_34243930/article/details/85316240

OpenCV2.4.4中调用SIFT特征检测器进行图像匹配，是用Qt实现的，不过只有一个main.cpp文件，也能在VC中用，头文件和Lib文件目录请自行设置，否则无法编译成功

LBP 文理图像检索 算法

这计算了 CSLBP 算子的直方图，它是 LBP 的扩展。 使用 CSLBP 对于照明和模糊类型的图像转换非常有效。 它返回长度为 16 的未归一化的 CSLBP 直方图。人们可以根据他的应用程序轻松进行归一化。 大多数情况下，它用作关键点描述符。 检测关键点，估计关键点周围的局部补丁，然后计算 CSLBP 描述符。 然而，为了简单起见，下面的示例计算图像级描述符而不是局部关键点描述符。 例子： %% 加载图像img = imread('myImage.jpg'); 如果RGB，%%转换为灰度img = rgb2gray(img); h = CSLBP(img); % 它返回给定图像/补丁的 CSLBP 直方图。 可以很容易地按照原始论文中的建议将向量归一化为 0-1 之间h = h./sum(h);

运行前请自己在pro文件中配置OpenCV的头文件和lib文件 少积分转运，拿走不谢

为了保护数据隐私，私密图像在上传到云服务器之前需要进行加密，然而，加密会导致传统的图像特征无法提取，进而给图像检索带来困难。针对密文图像的检索问题，提出了一种云环境下JPEG图像的安全检索方法：数据拥有者部分解码JPEG码流得到图像的DCT（discrete cosine transform）系数，对系数进行置乱加密然后生成密文图像并上传到云服务器；云服务器在图像密文上提取DC系数差分特征以及LBP（local binary patterns）特征，通过比较图像的特征向量之间的距离来确定图像的相似度，最后返回相似图像。该方法不仅减少了计算复杂度，而且使得数据拥有者与云服务器之间的交互次数尽可能地减少，同时，与其他几种目前有代表性的方法相比，具有更好的安全性和检索准确度，能实现对JPEG图像安全高效的检索。最后基于该方法做了简单的仿真系统，进一步验证了该方法的有效性。

该文档描述了一个基于LBP的树叶识别系统的实现。主要用到图像方面的知识。

针对无人机航拍稻田图像的拼接问题，运用MATLAB软件将数字图像转化为像素张量，利用并改进SIFT算法、RANSAC算法、最邻近搜索法、距离权重法等模型和算法，实现了将航拍照片按照最高分辨率进行矫正拼接，最终形成一张完整无缝的最高分辨率点阵大图。