SIFT概述
- SIFT的全称是Scale Invariant Feature Transform(尺度不变特征变换),是由加拿大教授David G.Lowe在1999年发表于计算机视觉国际会议,2004年发表在IJCV上
- 是计算机视觉界近二十年来引用率最高的文章之一
- SIFT特征对旋转、尺度缩放、亮度变化等保持不变性,是一种稳定的局部特征
- SIFT的特征提取方面对计算机视觉近年来的发展影响深远,特别是几乎影响到了后续所有的角点提取和匹配算法
- 图像的局部特征,对旋转、尺度缩放、亮度变化保持不变,对视角变化、仿射变换、噪声也保持一定程度的稳定性
- SIFT变换最后提取出来的不仅仅是一个角点,实际上是一个特征描述子,是一个高维的向量
- 独特性好,信息量丰富,适用于海量特征库进行快速、准确的匹配
- 改进后的SIFT算法可以达到时时计算的速度
- 多量性:即使是很少几个物体也可以产生大量的SIFT特征
- 高速性:改进的SIFT匹配算法甚至可以达到实时性
- 扩展性:可以很方便的与其他的特征向量进行联合,形成一个新的特征描述
尺度空间
- 人眼可自动调节尺度,完成对物体的检测和识别,我们看一个图片时会看图片的整体,进一步我们会看我们感兴趣的局部,人眼会自动调整看到的尺度 <