SIFT算法及原理

SIFT算法 - 知乎

SIFT算法：

定义：

SIFT，即scale invariant feature transform，译为尺度不变特征转换，是图像处理领域中的一种局部特征描述算法。

SIFT算法包括了尺度不变性，在旋转图像、改变图像亮度、移动拍摄位置时，都可以得到较好的检测效果。

特点：

①较好的稳定性和不变性，可适应适当的旋转变化、尺度缩放、明暗变化，在一定程度上不受视角变化、仿射变换和噪音干扰

②区分性好，可快速精准的区分信息进行匹配

③多属性，针对单个物体也产生大量特征向量

④高速性，匹配速度快

⑤可扩展性，可与其他形式的特征向量进行联合

SIFT算法实质：

在不同的尺度空间上查找关键点，并计算出关键点的方向

特征匹配流程： 

①提取关键点：搜索所有尺度空间上的图像位置，通过高斯微分函数识别潜在的具有尺度和旋转不变的兴趣点。

关键点：一些不会因光照、尺度、旋转等变化而消失的点，比如角点、边缘点、暗区域的亮点、亮区域的暗点。

②定位关键点并确定特征方向：在每个候选位置上，通过一个拟合精细的模型来确定位置和尺度，关键点的选择依据于它们的稳定程度；基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向；所有后面对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。

③通过各关键点的特征向量，进行两两比较找出相互匹配的若干对特征点，建立景物之间对应关系

SIFT算法原理：

图像金字塔：

定义：

图像金字塔是一种以多分辨率来解释图像的结构，通过对原始图像进行多尺度像素采样的方式，生成N个不同分辨率的图像；把具有最高级别分辨率的图像放在底部，以金字塔形状排列，金字塔自底向上图像的像素尺寸逐渐降低，到金字塔顶部只包含一个像素点的图像

获取步骤：

①利用低通滤波器平滑图像

②对平滑图像进行抽样

采样方式主要包含上采样和下采样

上采样：增加特征图的分辨率，以捕获更多细节信息

下采样：减小特征图的迟钝，降低网络的计算量和参数量

图像高斯金字塔：

定义：

一种图像的尺度空间，尺度的概念用来模拟观察者距离物体的远近程度，在模拟物体远近的同时需要考虑物体的粗细粒度

图像尺度空间：模拟人眼看到物体的远近程度以及模糊程度

考虑因素：

图像的远近程度：采样法

图像的模糊程度：采用高斯核对图像进行平滑处理，高斯卷积核是实现尺度变换的唯一线性核

构建过程：

高斯金字塔由很多金字塔构成，每组金字塔都包含若干层

①先将原图扩大一倍后做高斯金字塔第1组的第1层，将第1组的第1层图像经高斯卷积（高斯平滑或高斯滤波）后作为第1组金字塔的第2层，高斯卷积函数如下：