尺度空间理论与sift算法小结 不错的。。。

matlab的egde源代码 LBP-DBN-face-recognition 使用LBP特征提取算法提取人脸特征，DBN网络来实现人脸识别，测试数据库-ORL数据库，识别率可达90%以上 ###工程使用方法： clone下工程，要根据实际情况修改test_example_DBN.m中的文件路径 我们在该文件中，a=imread(strcat('E:\My RBM-DBN matlab\ORL\ORL\s',num2str(i),'_',num2str(j),'.bmp')); ###工程说明： ####英文简称注释： DBN-深度信念网络、RBM-受限的玻尔兹曼机 、LBP-局部二值模式 ####几点说明： 0-这个程序的功能，使用DBN算法来实现人脸识别，数据库使用ORL数据库，在迭代次数达到3000时，识别准确率98%左右 2-此程序还附带了画学习曲线的功能，画正则参数，隐层结点数，训练样本数的学习曲线 3-DBN是有几层RBM构成，我这个程序实现的是4层网络，输入层-隐层1-隐层2-输出层 4-DBN的训练基本上分为两步，先用RBM的训练方法训练网络得到初始值，来初始化整个网络

LBP是一种用来描述图像局部纹理特征的算子；它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出，用于纹理特征提取。而且，提取的特征是图像的局部的纹理特征

一种比SIFT算法更好的特征提取及匹配算法。CVPR2011是2011年最新提出的一种特征提取算法。

图像拼接OpenCV 在Python中使用SIFT，单应性，KNN和Ransac的简单图像拼接算法。 有关完整的详细信息和说明，欢迎阅读image_stitching.pdf 。 该项目将实现基于特征的自动图像拼接算法。 当我们输入两个具有重叠场的图像时，我们期望获得宽阔的无缝全景。 我们使用尺度不变特征变换（SIFT）来提取输入图像的局部特征，使用K最近邻算法来匹配这些特征，并使用随机样本共识（Ransac）计算单应图矩阵，该矩阵将用于图像变形。 最后，我们将加权矩阵用作图像融合的遮罩。 相依性 Python 2或3 OpenCV 3 用法 python Image_Stitching [/PATH/img1] [/PATH/img2] 样本 输入图像 匹配 输出图像 其他例子 房间： 另一栋建筑：这是三个相关图像的拼接。 效果不是很好。 努力提高。

david lowe SIFT论文 Object Recognition from Local Scale-Invariant Features 中文 翻译，自己翻译的，多多支持

matlab sift，k-means等算法工具箱

LBP的C++代码，这个是我自己写的，之前那个Matlab代码是别人的，自己也没搞太懂，比如mapping的含义，这个C++的代码需要pgm格式的图像，大家可以百度一下如何转pgm的matlab代码，这个转格式的算法还是挺简单的。最后运行结果跟文献的应该是一模一样的，图片文件也跟文献中的一样，从FERET数据库取的.最后的data.txt是输出数据，貌似是一维数据，要在matlab中转成二维再画图

基于深空探测图像的EMD-SIFT图像配准方法，尹孟征，吴雪晨，本文提出了一种基于小行星图像序列的尺度不变特征配准方法，该方法包括应用经验模态分解方法（EMD）从图像序列中提取特征，再通过

Matlab三维图像代码SIFT3D 版权所有（c）2015-2019 Blaine Rister等，有关详细信息，请参阅LICENSE。 SIFT3D是三维图像的尺度不变特征变换（SIFT）的类似物。 它利用体积数据和真实单位来检测关键点并提取其内容的可靠描述。 它还可以通过匹配SIFT3D功能并使用RANSAC算法拟合几何变换来执行3D图像配准。 所有这些都在带有Matlab包装器的跨平台C库中实现。 SIFT3D包含imutil，它是用于图像处理和线性代数的实用程序库。 该库以各种医学成像格式执行文件IO，包括DICOM和NIFTI。 内容 此代码创建以下可执行文件： kpSift3D-从单个图像中提取关键点和描述符。 regSift3D-从两个图像中提取匹配项和几何变换。 和以下库： libreg.so-通过SIFT3D功能注册图像 libsift3d.so-提取并匹配SIFT3D功能 libimutil.so-用于图像处理，回归和线性代数的实用程序库。 包括用于DICOM和NIFTI文件格式的IO功能。 它还包含一个Matlab工具箱，用于从Matlab脚本中调用库函数。 有