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。

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,[]);

基于SURF特征点提取通过GTM去除错误匹配点最后进行图像配准，matlab2021a测试

基于SURF特征点的图像拼接算法，用MATLAB语言编写。亲测可用，速度比SIFT特征点的配准算法快很多！

针对数字图像版权中的复制粘贴篡改问题，提出FI-SURF (flip invariant SURF)算法。研究了当图像经过镜像翻转后SURF (speeded-up robust features)特征描述符的排列变化关系。提取SURF特征点后，将其特征描述符重新排序，即使复制粘贴区域经过镜像翻转，对应的特征点依然可以进行匹配。实验证明，FI-SURF算法在保留SURF算法运算速度快、顽健性强等优点的前提下，可有效检测出经过镜像翻转的复制粘贴区域，计算出复制粘贴区域的轮廓。