【图像处理算法】SIFT特征提取

SIFT特征提取

本文主要参考：

Richard Szeliski 《Computer Vision: Algorithms and Applications》

-牧野-《 Sift算子特征点提取、描述及匹配全流程解析》-- 地址：https://blog.csdn.net/dcrmg/article/details/52577555

本人在学习虹膜识别技术的过程中，需要使用SIFT算子提取虹膜图像的特征，而SIFT作为经典、有效的图像特征提取方法，其中的思想和方法十分值得借鉴。因此希望通过本文分享学习过程中，总结的SIFT算法主要步骤和思路。

1. SIFT简介

我们人类可以快速地从不同地角度、距离拍摄的图像中分辨出图中物体是否相同。而这个能力源于我们的大脑能够分辨图像中物体的特征，能够基于物体的形状、颜色、纹理等特征是否匹配迅速作出判断。当我们使用算法对图像对进行匹配时，思路也是通过描述图像的特征信息以及匹配这些特征信息完成的，而SIFT算法就是一个特征检测和特征描述的过程。
SIFT算法，由David G.Lowe教授在1999年提出，全称是Scale Invariant Feature Transform，因此该算法最突出的特点就是能够在不同尺度空间上查找关键点，并计算其大小、方向和尺度等信息。除此，SIFT算法还具备以下特点：

1. 提取的特征对旋转、尺度、亮度变化具有不变形，以及对视角和噪声变化具有稳定性。（在虹膜识别中，由于人眼图像采集过程中，存在光线、拍摄角度等环境因素的变化导致同一人的人眼图像也会出现旋转、尺度和亮度等变化，因此要求算法对这些变化应该具有鲁棒性。）