SIFT算法原理与实现

摘要：本文将就SIFT（Scale Invariant Feature Transform，尺度不变特征转换算法）的基本原理和实现进行阐述。

注：本文将在作者的逐步学习中完善，欢迎批评指正。

 

概述：SIFT算法由University of British Columbia（英属哥伦比亚大学）的David G. Lowe(http://www.cs.ubc.ca/~lowe/)于1999年提出[1]，并于2004年完善[2]。该算法是一种计算机视觉算法，它从图像中提取特有的不变特性，利用这些特性，可以对一个物体的不同视图进行匹配。提取的特性对于图像尺度变化，旋转等具有不变性。

        该算法在物体识别，手势识别，机器人地图感知与导航，3D建模，影像缝合与追踪，动作对比等反面有着广泛应用。

注：该算法拥有专利，可用于科学研究，当如果用于商业用途，必须取得相应授权。

 

算法步骤：该算法主要分4步进行：

1. 尺度空间极值检测（Scale-space extrema detection）：该步骤首先利用高斯模糊构建高斯金字塔，然后利用高斯差分（Difference of Gaussian，DoG）构建高斯差分金字塔。然后在DoG空间通过对相邻层图像进行比较获得空间极值点。

2.关键点定位（Keypoint localizat