包含多个图像匹配的代码，可以较好的匹配同源图像，包括SAR图像的匹配配准，有matlab和python的双版本代码程序

可以实现偏振图像的配准，实现多角度的图像处理，有助于偏振方面的多多学习

这个主要是一些图像配准的实例，为后续的图像融合做准备。

matlab做一个圆的代码这是一个图像配准Matlab程序，对应于论文基于B样条组合和水平集（DOI：或）的二维和三维图像配准。 如果您发现此代码对您的研究有用，请引用上述参考资料。 它包含两个主要文件夹，2D_multiresolution 和 3D_multiresolution。 此代码适用于任何大小相同的图像。 除了给定的示例之外，可以通过将它们保存在相应的文件夹中并将它们分配为 I0（移动图像）和 I1（固定图像）来使用其他图像。 有关如何使用此代码的更多详细信息，请参阅文件 Description_2D.txt 和 Description_3D.txt 部分代码使用 parfor 循环，它通过执行并行计算来加速程序（前提是 Parallel Computing Toolbox 可用）。 此外，代码可以通过使用 Mex 编译函数进一步加速。 使用 MATLAB 2015b 为 Windows 64 位、Linux 和 OS X 编译的 Mex 文件包含在发行版中。 如果包含的 Mex 文件不起作用（例如由于 MATLAB 版本的差异），则可以通过运行使用“Coder”工具箱中

matlab图像融合源码 I'm terribly sorry, there are errors of the description in Section-III(B) of the paper “Remote Sensing Image Registration with Modified SIFT and Enhanced Feature Matching”. We have uploaded the errors in document named 《 revised of the PSO-SIFT》.I'm sorry to have affected your reading. 我们已经出版的文章《Remote Sensing Image Registration with Modified SIFT and Enhanced Feature Matching》在第三部分（B）存在一些描述性错误，可能会给你的阅读带来麻烦，因此我们上传了出错的地方，并给出了正确的描述方法，文档名字为“revised of the PSO-SIFT”。CSDN 博主对已经翻译了该论文： Im

RegNet 介绍 在这项工作中，我们提出了一种通过学习方法来解决非刚性图像配准的方法，而不是通过对预定义的相异性度量进行迭代优化来解决。 我们设计了卷积神经网络（CNN）架构，与所有其他工作相反，该架构直接从一对输入图像中估计位移矢量场（DVF）。 提议的RegNet使用大量的人工生成的DVF进行了训练，没有明确定义相异性度量标准，并且以多种比例集成了图像内容，从而为网络配备了上下文信息。 在测试时，与当前的迭代方法相反，非刚性配准是一次完成的。 引文 [1] ， ， ， ， ， ， 和 ，2019年。。 arXiv预印本arXiv：1908.10235。 [2] ， ， ， ， IvanaIšgum和Marius Staring ，2017年9月。 使用多尺度3D卷积神经网络进行非刚性图像配准。 在医学图像计算和计算机辅助干预国际会议上（第232-239页）。 湛

CAO-C2F 关于我 此代码用于电力设备的红外和可见图像配准（MATLAB版本≥R2019更好）。 如果您将此项目用于研究，请考虑引用以下内容： 姜谦，刘亚东，严应杰，邓军，方健，李哲和姜秀岑。 “用于电力设备红外和可见图像配准的等高线角方向”，《 IEEE输电交易》，出版，Doi：10.1109 / TPWRD.2020.3011962，2020。 在网站上下载论文： 入门 只需单击文件cp_Main.m以选择一对红外图像和可见图像，然后将开始注册过程。 您可以更改一些可选参数以获得比默认更好的注册结果，例如cp_registration.m函数中的参数。 贡献 非常欢迎您提供贡献（错误报告，错误修复，改进等），并应以新问题和/或请求的形式在GitHub上提交。 例子 该算法的一些注册示例在网站上显示： ： （中文） 有关算法的参数设置，理论原理等问题，欢迎到本人相关博客（上

形变配准Demo