基于SIFT 关键点增强现实初始化算法（学习笔记）

SIFT特征描述算子

        SIFT算子是一种能对图像旋转，尺度缩放，仿射变换，视角变化，光照变化等变化因素保持一定不变性，而对物体运动、遮挡、噪声等因素也保持较强可匹配的图像局部特征描述算子。SIFT算子在图像二维平面空间和DOG  （Difference of Gaussian）多尺度空间中同时检测局部极值作为特征点，以使特征具备良好的独特性和稳定性。

【1】极值搜索：一幅二维图像I（x,y）在某一尺度空间可有图像与高斯核卷积得到：

   

                   二维高斯卷积核为：

                

（x,y）为图像像素的位置，σ为尺度空间因子，大尺度对应图像的概貌特征，小尺度对应图像的细节特征，多尺度空间算子定义为两个不同尺度的高斯核的差分：    

               

  SIFT算子针对图像上的每一点，计算其在每一尺度下DOG算子的响应值，然后将DOG尺度空间每个点与相邻尺度和相邻位置的点逐个进行比较，得到的局部极值位置即为关键点所处的位置和对应的尺度。