数字图像处理学习笔记（二）：SIFT（尺度不变特征变换）算法

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