Distinctive Image Features from Scale-Invariant Keypoints（SIFT）

SIFT的论文：Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International journal of computer vision, 2004, 60(2): 91-110.

摘要和引言。。。

摘要：本文提出了一种从图像中提取独特不变特征的方法，可用于不同视角之间目标或场景的可靠匹配的方法。这种特点对图像的尺度和旋转具有不变性。并在大范围的仿射变换，三维视点的改变，噪音和光照变化的图像匹配具有鲁棒性。特征是highly distinctive的，使场景图像中的单一特征和许多图像中提取的大型特征数据库一样，有很高的正确匹配率。本文还介绍了一个使用该特征来识别目标的方法。通过将个别特征与由已知目标特征组成的数据库进行快速最近邻算法的匹配，然后使用 Hough变换来识别属于单一目标的聚类（ clusters），最后通过执行一致的姿态参数的最小二乘解来验证。这种识别方法可以在杂乱和遮挡的对象间鲁棒的识别目标并且具有接近线性的时间复杂度。
关键词：不变特征，目标识别，尺度不变性，图像匹配

1. Introduction
图像匹配是计算机视觉领域中很多问题的关键，包括目标和场景识别、多幅影像的 3D structure、stereo correspondence、 motion tracking等。本文描述的图像特征有很多特性使得它适合将一个目标或场景的不同影像进行匹配。这些特征对于图像尺度和旋转具有不变性，并在光照变化和三维相机视点变化的情况下具有部分的不变性。它在空间域和频率域具有很好的局部性，减少了遮挡（occlusion ）、杂乱和噪音的影响。通过有效的算法，可以从典型的图像中提取海量的特征。另外，这些特征是 h