点特征提取算法，moravec和forstner，基于bmpfile类，获取bmp图像操作，提取的点为白色十字

主要描述了摄影测量中，点特征提取，线特征提取，影像匹配等方法。

图像特征点中心定位是位姿测量中求解位姿的关键.针对同一图像有多个几何形状的问题，首先利用开源计算机视觉库OpenCV对原图像进行区域分割，得到目标区域的边缘，其次将每个区域进行像素填充；然后用Harris算法进行角点检测；最后根据角点坐标再计算中心点，并将文中算法就一幅图像中有单个几何形状的情况与原始Harris和改进的Harris算法从准确率和效率上进行了比较.实验证明，这种中心定位算法不但提高了准确率和效率，而且误差可以减小到1个像素以内.

使用VC++实现莫拉维克算子，提取特征点的位置

点特征提取 1.1点特征提取的相关概念 点云的点特征就是指点云数据中能够表示实体几何特性或纹理特征的点的集合。如边界轮廓线的拐角点或折点，曲线及曲面边界之间的交叉点，三个及以上相临曲面的公共点等，通过这些点，可以对点云各个局部曲面之间的拓扑关系的建立进行约束和优化。

为了克服迭代最近点(ICP)算法鲁棒性差、配准精度低的问题,提出了一种改进的基于快速点特征直方图(FPFH)的ICP点云配准算法。首先,基于改进内部形态描述子和法向矢量角的变化来提取点云特征;其次,使用指数函数优化欧氏距离,并将优化的欧氏距离作为FPFH算法的权重系数,用于特征点描述,从而保证利用初始对齐估计得到更准确的点云位置;然后使用双重约束和单位四元数算法完成初始配准;最后,给ICP算法构建双向k维树,并使用点对的欧氏距离与最大欧氏距离的比值来计算每个点对的权重,将权重作为ICP迭代误差函数的加权系数,以减少迭代时间并减少不良对应关系在配准中的影响。实验结果表明,本文算法的配准精度较ICP算法提高2~6个量级,并且具有更强的鲁棒性。

业分类-物理装置-一种图像骨架节点特征描述符获取方法及装置.zip

FingerNet：An Unified Deep Network for Fingerprint Minutiae Extraction

先用点特征提取算子，再粗匹配，最后使用最小二乘匹配，适合核线影像

利用harris角点特征提取的matlab图像拼接程序，根据harris角点法，提取2张图像的特征点，然后匹配2图像特征点，找到正确位移量，进行图像拼接。