形状特征——Sift特征

形状特征的表达必须以对图像中物体或区域的分割为基础，由于当前的技术无法做到准确而鲁棒的自动图像分割，图像的形状特征只能在某些特殊应用场合使用，在这些应用中图像包含的物体或区域可以直接获得。另一方面，由于人们对物体形状的变换、旋转和缩放主观上不太敏感，合适的形状特征必须满足对变换、旋转和缩放无关，其中SIFT特征就是满足这一要求。

1．   简介

SIFT（Scale-invariantfeature transform）是一种在尺度空间中提取的图像局部特征。SIFT特征在相当多领域得到应用，是目前一种很重要的局部特征。

上图是SIFT特征的提取流程，下面根据这四个步骤介绍SIFT。

2．   构造空间尺度

对于一副灰度图像I(x,y)，我们可以构建对应的尺度空间：

其中，F(I，delta)是计算尺度为delta时图像信息的函数，在实际应用中可以选择保留低频信号的高斯（Gaussian）函数或者保留特定带通信号的拉普拉斯（Laplacian）函数等，从而得到原始图像所对应的不同尺度图像。我们把上式理解成，图像中存在细节尺度不同的对象，通过构造不同滤波函数，得到图像在不同分辨率下的属性信息。

2.1 高斯滤波处理

我们首先构造不同尺度的高斯滤波算子，对图像进行不同尺度的高斯模糊，获得一系列不同尺度的高斯模糊图像。