数字图像处理学习笔记(二):SIFT(尺度不变特征变换)算法
一、概述:
提到特征点算法,首先就是大名鼎鼎的SIFT算法了。SIFT的全称是Scale Invariant Feature Transform,尺度不变特征变换,2004年由加拿大教授David G.Lowe提出的。SIFT特征对旋转、尺度缩放、亮度变化等保持不变性,是一种非常稳定的局部特征。
SIFT算法分为以下五个过程:
1)尺度空间的搭建;(高斯差分金字塔的构建)
2)尺度空间中候选极值点的检测;( LoG近似DoG找到关键点<检测DOG尺度空间极值点>)
3)对上一过程中得出的候选极值点进行筛选,去除低对比度的点和不稳定的边缘响应点,得到真正的特征点;(除去不好的特征点,本质上要去掉DoG局部曲率非常不对称的像素)
4)特征点方向分配;(给特征点赋值一个128维方向参数)
5)特征点描述。(关键点描述子的生成)
6)根据SIFT进行Match
二、参考博客
原版的英文文献:Distinctive Image Features from Scale-Invariate Keypoints